
-
生物通官微
陪你抓住生命科技
跳动的脉搏
ASNA:一种用于嵌入式系统的新颖自适应稀疏神经架构
《INTERNATIONAL JOURNAL OF COMPUTER VISION》:ASNA: A Novel Adaptive Sparse Neural Architecture for Embedded Systems
【字体: 大 中 小 】 时间:2026年05月17日 来源:INTERNATIONAL JOURNAL OF COMPUTER VISION 9.3
编辑推荐:
摘要嵌入式视觉系统,尤其是在自动驾驶车辆、监控系统和可穿戴设备中部署的那些系统,由于在计算能力、内存、能耗和实时处理要求方面的严格限制,面临着重大挑战。为了解决这些挑战,我们提出了自适应稀疏神经架构(ASNA),这是一种专为资源受限环境设计的轻量级且高效的计算机视觉算法。ASNA
嵌入式视觉系统,尤其是在自动驾驶车辆、监控系统和可穿戴设备中部署的那些系统,由于在计算能力、内存、能耗和实时处理要求方面的严格限制,面临着重大挑战。为了解决这些挑战,我们提出了自适应稀疏神经架构(ASNA),这是一种专为资源受限环境设计的轻量级且高效的计算机视觉算法。ASNA引入了四项创新:(1) 基于输入复杂度的动态剪枝的自适应稀疏性,通过动态剪除神经网络权重来优化计算效率;(2) 具有位级精度控制的硬件感知量化,通过针对目标硬件进行精度调整来实现内存和能耗的节省;(3) 基于事件驱动的特征提取和神经形态计算,利用受生物视觉系统启发的基于事件的数据流实现超低延迟处理;(4) 联合学习用于设备上模型个性化,通过允许在分布式设备之间连续适应模型而无需共享原始数据来确保可扩展性和隐私性。这些创新共同使ASNA在对象检测、分割和跟踪等任务中实现了最先进的性能,同时保持最小的资源使用。在NVIDIA Jetson Nano等资源受限平台上的实验结果表明,与现有方法相比,ASNA将计算开销降低了86.1%,内存使用量降低了50%,能耗降低了58.4%,延迟降低了90%,使其成为自动驾驶车辆、监控系统、可穿戴设备和工业自动化应用的理想选择。通过突破效率和适应性的极限,ASNA代表了嵌入式视觉领域的重大进步,并为轻量级计算机视觉算法树立了新的基准。所提出的ASNA的源代码在github.com/livingjesus/ASNA上公开可用。
嵌入式视觉系统,尤其是在自动驾驶车辆、监控系统和可穿戴设备中部署的那些系统,由于在计算能力、内存、能耗和实时处理要求方面的严格限制,面临着重大挑战。为了解决这些挑战,我们提出了自适应稀疏神经架构(ASNA),这是一种专为资源受限环境设计的轻量级且高效的计算机视觉算法。ASNA引入了四项创新:(1) 基于输入复杂度的动态剪枝的自适应稀疏性,通过动态剪除神经网络权重来优化计算效率;(2) 具有位级精度控制的硬件感知量化,通过针对目标硬件进行精度调整来实现内存和能耗的节省;(3) 基于事件驱动的特征提取和神经形态计算,利用受生物视觉系统启发的基于事件的数据流实现超低延迟处理;(4) 联合学习用于设备上模型个性化,通过允许在分布式设备之间连续适应模型而无需共享原始数据来确保可扩展性和隐私性。这些创新共同使ASNA在对象检测、分割和跟踪等任务中实现了最先进的性能,同时保持最小的资源使用。在NVIDIA Jetson Nano等资源受限平台上的实验结果表明,与现有方法相比,ASNA将计算开销降低了86.1%,内存使用量降低了50%,能耗降低了58.4%,延迟降低了90%,使其成为自动驾驶车辆、监控系统、可穿戴设备和工业自动化应用的理想选择。通过突破效率和适应性的极限,ASNA代表了嵌入式视觉领域的重大进步,并为轻量级计算机视觉算法树立了新的基准。所提出的ASNA的源代码在github.com/livingjesus/ASNA上公开可用。