Tese

Machine learning models with early exits at limited resource devices (2025)

• Authors:
  • Carriel, Vinícius Sanches
  • Hirata Júnior, Roberto (Orientador)
• Autor USP: CARRIEL, VINÍCIUS SANCHES - IME
• Unidade: IME
• Sigla do Departamento: MAC
• DOI: 10.11606/D.45.2025.tde-11042025-173149
• Subjects: REDES DE COMPUTADORES; INFERÊNCIA; APRENDIZADO COMPUTACIONAL
• Keywords: Early exits; Inference; Saídas intermediarias
• Language: Inglês
• Abstract: Dispositivos na borda de redes de computadores devem realizar inferências eficientemente economizando em custos e reduzindo o tempo de resposta para aplicações sensiveis a latência. Esse trabalho visa analisar a inserção de saídas intermediárias em redes ResNet para diminuir o tempo de inferência enquanto mantém uma acurácia satisfatória. Dividimos as ResNet50 e ResNet152 em quatro blocos para a inserção de três saídas intermediárias e fizemos uma classificação o mais cedo possível. O treinamento foi balanceado entre as saídas intermediárias utilizando um método convergente e eficaz. Obtivemos resultados positivos em um dataset difícil chamado iNaturalist2021Mini, como a redução de 16.4% no tempo de inferencia usando ResNet152 com saídas intermediárias no dataset iNaturalist2021Mini, com redução de 11% na acurácia. Usando um dataset reduzido derivado do iNaturalist2021Mini conseguimos alcançar 0.8% de redução no tempo de inferência usando ResNet50 com saídas intermediárias, com redução em 15% da acurácia. Usando ResNet152 com saídas intermediárias no dataset reduzido conseguimos uma redução de 24.1% no tempo de inferência e redução em 11% de acurácia
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2025
• Data da defesa: 19.03.2025


Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).

Status:

Artigo publicado em periódico de acesso aberto (Gold Open Access)

Versão do Documento:

Versão publicada (Published version)

Acessar versão aberta:

• PDF de acesso aberto

Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  CARRIEL, Vinícius Sanches. Machine learning models with early exits at limited resource devices. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/45/45134/tde-11042025-173149/. Acesso em: 09 abr. 2026.

• APA

  Carriel, V. S. (2025). Machine learning models with early exits at limited resource devices (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45134/tde-11042025-173149/

• NLM

  Carriel VS. Machine learning models with early exits at limited resource devices [Internet]. 2025 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-11042025-173149/

• Vancouver

  Carriel VS. Machine learning models with early exits at limited resource devices [Internet]. 2025 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-11042025-173149/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• A hybrid CNN-LSTM model for IIoT edge privacy-aware intrusion detection