Deep Feature Compression & Collaborative Intelligence 深度特征压缩&协作智能的发展历史

最新推荐文章于 2024-02-29 21:22:36 发布

zs左右左

最新推荐文章于 2024-02-29 21:22:36 发布

阅读量1.8k

点赞数

分类专栏：深度学习 tensorflow 机器视觉文章标签：深度学习 deep learning python tensorflow pytorch

本文链接：https://blog.csdn.net/dhsig552/article/details/85788671

版权

本文探讨了深度特征压缩（Feature Compression）和协作智能（Collaborative Intelligence）的发展，这两种技术结合旨在提高移动端与云端部署的效率。通过在设备端执行深度神经网络的第一层并仅传输压缩的网络输出，可以增强用户隐私和数据安全性，同时减少5G时代的带宽消耗。2018年的研究表明，这种中间深度特征压缩技术在智能传感中取得了超越HEVC的压缩效率。

摘要由CSDN通过智能技术生成

Deep Feature Compression & Collaborative Intelligence 深度特征压缩&协作智能的发展历史

Collaborative Intelligence （协作智能）研究如何结合移动端和云端实现高效的部署。Collaborative intelligence is a new paradigm for efficient deployment of deep neural networks across the mobile-cloud infrastructure. 而Feature Compression（特征压缩）是研究如何把原始数据用数据量更小、特征密度更高的数据来表达。这两者的结合，将对下一代智能传感器、智能网络、5G网络带来更广泛的应用。

1. 概念提出

图1:传统方法

传统的方法需要把本地设备数据加密，传到云端，然后云端再进行解密计算。而随着5G时代到来，数据越来越大，对大数据进行加密解密消耗很大。因此2016年 "Dropping Activation Outputs with Localized First-layer Deep Network for Enhancing User Privacy and Data Security“ 提出了如下图所示的框架，把深度神经网络第一层放到设备端，传输网络输出到云端进行其他的运算。这样有两个好处，1）防止黑