实时网络架构搜索框架 RetNAS

硬实时约束高满足率

结合极值理论快速估计最坏执行时间，使搜索到的神经网络满足严格实时约束。

Zitong, Bo · 李一林 · 乔颖 · 冷昶 · 王宏安

Lecture Notes in Computer Science 2024

参数信息

时间约束满足成功率

99.2 %

精度提升

0.4 %

技术优势

满足时间约束

利用极值理论和广义帕累托分布仅从少量执行时间样本即可快速估计WCET，将实时任务中违反截止时间的风险降至极低。

更高搜索效率

约束调度采用渐进搜索轨迹，显著提升架构搜索效率，使模型搜索过程更省时。

精度反超手工设计

在满足实时约束的前提下，搜索到的CNN精度超过手工设计CNN和视觉Transformer，实现性能与时间约束的兼顾。

应用场景

• 实时视觉系统：搜索满足严格时延的CNN，避免视觉任务违反截止时间。
• 具身智能实时推理：在机器人等具身智能中部署满足实时约束的CNN推理模型。
• 边缘AI芯片部署：为边缘设备搜索兼顾精度与最坏执行时间的CNN模型。
• 无人机机载视觉：为无人机机载视觉搜索满足实时约束的CNN，保障飞行安全。