Progressive Compression of ResNet: An 8.33× Reduction With 90.5% Accuracy Retention for Edge Deployment

Deploying deep convolutional neural networks on edge devices remains challenging due to limited on-chip memory capacity, strict power budgets, and the high energy cost of off-chip DRAM access. Standard architectures such as ResNet offer strong accuracy but require tens of millions of parameters, mak...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Tu Tien Ngo, Nguyen Bich, Pham the Bao, Son Ngoc Truong, Huan Minh Vo, Khoa van Pham, Kyeong-Sik Min
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2026-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	Depthwise separable convolution low-rank decomposition edge computing energy efficiency shortcut for low-rank decomposition image classification
Dostęp online:	https://ieeexplore.ieee.org/document/11479314/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!