一种提升CV领域深度学习网络推理精度的技术研究

当前,在AI视觉领域中目标检测主要靠单个模型的性能来决定网络推理精度,而现有多种流行算法受到原有模型固有缺陷限制,导致无法达到更高精度的推理。本文中提出了基于动态调度策略的异构神经网络集群推理的方法,该方法通过动态调度策略网络根据从输入图像抽取的特征来在各个异构网络中选取推理网络,可有效克服单个学习模型对某些数据集的不适应性,显著提升了推理的准确率和召回率。同时,动态调度策略网络是一个深度比较浅的学习网络,计算复杂度很低,引入的额外计算开销非常小。