講演抄録/キーワード |
講演名 |
2020-01-22 16:55
ハードウェア実装に適した畳込みニューラルネットワークのフィルタに関する比較 ○秋元宏介・佐田悠生・佐藤真平・中原啓貴(東工大) VLD2019-64 CPSY2019-62 RECONF2019-54 |
抄録 |
(和) |
畳込みニューラルネットワークは画像認識において高い精度を持ち,学習された多くのフィルタはガボールフィルタと類似する役割を持つことが知られている.入力画像の向きやスケールに対し頑健性のあるモデル構成を目的として,ガボールフィルタを畳込み演算処理に代用する手法が提案されている.また,チャネルシフト演算による近似法も提案されている.本研究では畳込みニューラルネットワークのカーネルを空間方向とチャネル方向に分割したSeparableConvolution 演算に着目し,空間方向の畳込み演算の精度改善と積和演算量削減を目的としたこれらの近似法の比較を行う.また組み込み機器への応用に向けた GPU より低消費電力,低レイテンシで演算を行う FPGA に適した設計法を提案する.バッチ正規化演算回路を再利用することにより,ガボールフィルタを適用した畳込み演算に対する計算リソースのオーバヘッドが生じないことを示す. Xilinx 社 SDSoC2018.2.2 を用いて ZCU104 評価ボードに畳込み禁じ回路を実装した.ガボールフィルタを用いたことによる FPGA 回路の面積オーバヘッドは無く, CamVid データセットにおいて認識精度が 1.3% 向上した. |
(英) |
Convolutional neural networks have high recognition accuracy in computer vision task, and many of the learned filters are known to be similar to gabor filters. For the purpose of constructing a model that is robust to the orientation and scale of the input image, a method that uses a gabor filter for convolution processing has already been proposed. Also, a channel shift appoximation has been proposed. In this paper, we compare a light-weight convolution toward a dedicated CNN accelerator. This paper proposes a design method for FPGAs that performs computations with lower power consumption and lower latency than GPUs for device applications. Since we reuse the batch normalization circuit, there is no computational resource overhead for convolution operations using Gabor filters. We implement the proposed CNN on ZCU104 evaluation board by using Xilinx SDSoC 2018.2.2 and CamVid dataset. The experimental results show that there is no increase of FPGA area with 1.3 point better accuracy (mIoU) compared to a conventional MobileNet. |
キーワード |
(和) |
畳込みニューラルネットワーク / ガボールフィルタ / MobileNet / ShiftNet / FPGA / 意味的領域分割 / / |
(英) |
Convolutional Neural Network / Gabor Filter / MobileNet / ShiftNet / FPGA / Semantic Segmentation / / |
文献情報 |
信学技報, vol. 119, no. 373, RECONF2019-54, pp. 61-66, 2020年1月. |
資料番号 |
RECONF2019-54 |
発行日 |
2020-01-15 (VLD, CPSY, RECONF) |
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 |
VLD2019-64 CPSY2019-62 RECONF2019-54 |
|