机构名称：
¥ 4.0
摘要：视觉识别是当前计算机视觉、模式识别乃至人工智能领域最重要和最活跃的研究领域之一。它具有重要的基础意义和强烈的工业需求，特别是现代深度神经网络（DNN）和一些受大脑启发的方法，在大量训练数据和新的强大计算资源的帮助下，大大提高了许多具体任务的识别性能。虽然识别准确率通常是新进展的首要关注点，但效率实际上相当重要，有时对于学术研究和工业应用都至关重要。此外，整个社区也非常需要对效率带来的机遇和挑战有深刻的见解。虽然已经从各个角度对效率问题进行了一般性调查，但据我们所知，几乎没有任何调查系统地关注视觉识别，因此不清楚哪些进展适用于它以及还应该关注什么。在本综述中，我们回顾了最近的进展，并提出了提高 DNN 相关和脑启发式视觉识别方法效率的新方向，包括高效的网络压缩和动态脑启发式网络。我们不仅从模型的角度进行研究，还从数据的角度进行研究（现有综述中没有这种情况），并重点关注四种典型数据类型（图像、视频、点和事件）。本综述试图通过全面的综述提供系统的总结，以作为有价值的参考，并激励从事视觉识别问题的研究人员和从业者。
高效视觉识别：最新进展调查...
主要关键词
相关文件推荐
