@InProceedings{2023_maron1169,
	author = "Cédric Maron and Virginie Fresse and Karynn Morand",
	title = "Distillation de connaissances de CNN dans une infrastructure de Edge Computing",
	booktitle = "29° Colloque sur le traitement du signal et des images",
	year = "2023",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "2023-1169",
	pages = "p. 405-408",
	month = "Aout # 6 - Sept # 9",
	address = "Grenoble",
	doi = "",
	pdf = "2023_maron1169.pdf",
	abstract = "Avec l'intérêt grandissant pour la compression de réseaux de neurones, plusieurs techniques permettant d'obtenir des réseaux compacts et efficients ont vu le jour. L'une d'entre elles, la distillation de connaissances, permet de transférer les connaissances d'un réseau (enseignant) vers un réseau (élève) lors de la phase d'apprentissage de ce dernier. La distillation de connaissances est généralement réalisée dans le Cloud car les architectures de réseaux enseignants sont souvent trop lourdes pour être hébergées sur des ressources de Edge. Ainsi, la distillation est souvent impossible dans un contexte purement Edge. Dans cet article, nous proposons une nouvelle méthode de distillation adaptée à une infrastructure de Edge Computing utilisant des architectures de réseaux élève et enseignants de tailles réduites et équivalentes. Les expérimentations réalisées montrent une augmentation de la précision du réseau élève de 0,8% sur la base de données CIFAR10 par rapport à un entrainement sans distillation..pdf",
}