IFQ-Net: الشبكات المُكمّلة للقياس الثابت المُدمج للرؤية المُدمجة

إن نشر النماذج العميقة على الأجهزة المدمجة كان مشكلة صعبة منذ النجاح الكبير للشبكات القائمة على التعلم العميق. تُفضَّل عادةً الشبكات ذات النقطة الثابتة (Fixed-point networks)، التي تمثل بياناتها باستخدام قيم ذات بتات منخفضة (Fixed-point)، مما يؤدي إلى توفير كبير في استهلاك الذاكرة. ورغم أن الشبكات ذات النقطة الثابتة الحالية تستخدم عددًا منخفضًا نسبيًا من البتات (مثل 8 بتات)، فإن توفير الذاكرة لا يزال غير كافٍ للتطبيقات على الأجهزة المدمجة. من ناحية أخرى، تُقلّل الشبكات المُكمّلة (Quantization deep networks)، مثل XNOR-Net وHWGQNet، من دقة البيانات إلى 1 أو 2 بتات، مما يُحدث توفيرًا أكبر في الذاكرة، لكنها لا تزال تحتوي على كميات كبيرة من البيانات العائمة (Floating-point). في هذا البحث، نقترح شبكة ذات نقطة ثابتة مُصممة لمهام الرؤية المدمجة، من خلال تحويل البيانات العائمة الموجودة في الشبكة المُكمّلة إلى بيانات نقطية ثابتة. علاوةً على ذلك، لتجاوز فقدان البيانات الناتج عن هذا التحويل، نقترح تجميع عمليات البيانات العائمة عبر طبقات متعددة (مثل طبقات الت convolution، التطبيع بالدفعة Batch Normalization، وطبقات التكميل)، ثم تحويلها إلى صيغة نقطية ثابتة. ونسمي الشبكة ذات النقطة الثابتة الناتجة عن هذا التحويل المتكامل باسم "الشبكة المُكَمّلة ذات النقطة الثابتة المُدمجة" (Integrated Fixed-point Quantization Networks – IFQ-Net). نُظهر أن IFQ-Net تحقق تقليلًا بنسبة 2.16 مرة في حجم النموذج، وبنسبة 18 مرة في ذاكرة الخريطة الوظيفية أثناء التنفيذ (runtime feature map memory)، مع الحفاظ على دقة مشابهة على مجموعة بيانات ImageNet. علاوةً على ذلك، استنادًا إلى نموذج YOLOv2، قمنا بتصميم كاشف الوجه IFQ-Tinier-YOLO، وهو نموذج ذو نقطة ثابتة يُقلّل حجم النموذج بنسبة 256 مرة (من 246 كيلوبايت) مقارنةً بنموذج Tiny-YOLO. ونُظهر الأداء الواعد لكاشف الوجه لدينا من حيث معدل الكشف على مجموعة بيانات Face Detection Data Set and Benchmark (FDDB)، وكذلك النتائج النوعية لكشف الوجوه الصغيرة من مجموعة بيانات Wider Face.