اجرای مدلهای سنگین هوش مصنوعی روی دستگاههای ضعیف (Edge Devices) همیشه یک چالش بزرگ بوده است. حالا فریمورک جدیدی به نام EdgeCompress معرفی شده که این مشکل را با دو روش نوآورانه حل میکند:
۱. برش هوشمند تصویر (DIC): حذف بخشهای اضافی و تمرکز فقط روی سوژه اصلی برای کاهش پردازش.
۲. فشردهسازی ترکیبی (CS): کاهش همزمان عمق، عرض و رزولوشن شبکه عصبی بر اساس میزان اهمیت در دقت نهایی.
این مدل با استفاده از استنتاج پویا (Dynamic Inference)، بسته به پیچیدگی تصویر، مدلهای سبکتر یا سنگینتر را به کار میگیرد تا سرعت و بهرهوری را به حداکثر برساند. قدمی بزرگ برای دنیای اینترنت اشیا و پردازش لبه! 🤖💡
منبع: arXiv Computer Vision