Détection ultra-rapide d'objets
La famille de modèles YOLO a considérablement fait progresser la détection d'objets et cette approche est devenue un standard pour de nombreuses applications de vision en temps réel. Cependant, les contraintes des systèmes embarqués peuvent limiter leur déploiement efficace. C'est pourquoi Aidge propose une méthode d'optimisation des réseaux de neurones profonds basée sur la décomposition tensorielle. Cette approche factorise de grands tenseurs de poids en séquences de tenseurs de rang inférieur, remplaçant une couche initiale par une série de couches plus compactes. Cette transformation structurelle réduit considérablement le nombre de paramètres et diminue en conséquence les coûts calculatoires, mémoire et énergétiques, tout en améliorant le temps d'exécution. En pratique, cette méthode peut atteindre jusqu'à 40 % de compression, environ 50 % d'inférence plus rapide, et des économies d'énergie proches de 40 %.
Contributeurs : CEA
Suivez toute l'actualité du projet