講演抄録/キーワード |
講演名 |
2017-10-12 09:30
低ランクテンソル分解を用いた畳み込みニューラルネットワークの高速化 ○大沢和樹・関谷 翠・長沼大樹・横田理央(東工大) PRMU2017-63 |
抄録 |
(和) |
畳み込みニューラルネットワーク(CNN)を用いた画像認識では,畳み込み演算が計算時間の大 半を占める.この問題に対処するために,畳み込み層に含まれる密テンソルへ低ランク近似を用いて圧縮し,畳 み込みに伴う計算量を大幅に削減する手法が提案されてきた.しかし,これらの研究では低ランク近似によって 削減できる計算量と,画像認識精度へ及ぼす影響のトレードオフについて明らかにされてこなかった.本研究で は,Peisong Wang ら, 2016によって提案された畳み込みの高速化手法について,CNN による画像認識精度と高速 化率とのトレードオフを GPU を用いて検証した. |
(英) |
In the image recognition using convolution neural networks (CNN), convolution operations occupies the majority of the computation time. In order to cope with this problem, methods which compress the dense tensors in convolution layers using low-rank approximation have been proposed to reduce the amount of computation, but these studies have not revealed the trade-off between the computational complexity reduced by low-rank approximation and the image recognition accuracy. In this research, we investigated the trade-off between the image recognition accuracy and speed-up rate for the method proposed by Peisong Wang et al. on GPU. |
キーワード |
(和) |
画像認識 / 畳み込みニューラルネットワーク / 低ランク近似 / テンソル分解 / / / / |
(英) |
image recognition / convolutional neural networks / low-rank approximation / tensor decomposition / / / / |
文献情報 |
信学技報, vol. 117, no. 238, PRMU2017-63, pp. 1-6, 2017年10月. |
資料番号 |
PRMU2017-63 |
発行日 |
2017-10-05 (PRMU) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2017-63 |