10.3778/j.issn.1002-8331.2101-0178
面向边-端协同的并行解码器图像修复方法
针对现有神经网络图像修复方法在移动终端设备上部署存在效果差、响应时间长、高能耗的问题,提出了一种面向边-端协同的并行解码器图像修复方法及计算卸载策略.结合移动边缘计算(mobile edge computing,MEC)技术边-端协同的特性,提出一种面向边-端协同的并行解码器门控卷积图像修复网络ETG-Net(edge-terminal gated convolution network).通过边-端共享权值的方式,提升图像修复及训练效率,并保留移动终端的独立工作能力.基于计算卸载决策,将图像修复部分计算任务有选择地卸载至边缘云,进一步降低终端节点的计算时延和能耗.实验结果表明,与近年来先进的模型相比,所提模型在保证图像修复质量的同时,解决了移动终端设备上部署图像修复模型存在的问题,降低了任务的响应时延.
图像修复、深度学习、生成对抗网络、移动边缘计算、门控卷积、权值共享
58
TP183(自动化基础理论)
国家自然科学基金;新疆维吾尔自治区自然科学基金
2022-08-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
257-264