| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-01-24 15:55 蒸留とレイヤー枝刈りによるエッジデバイス推論処理の高速化について ○市川雄樹・神宮司明良・倉持亮佑・中原啓貴（東工大）  VLD2021-58 CPSY2021-27 RECONF2021-66 |
|
| 抄録 | （和） | Deep Neural Network(DNN) はパラメータ数や計算量が多く，計算資源の限られるエッジデバイスでの活用は難しい．したがって蒸留や枝刈りといった DNN の軽量化手法が提案されている．提案手法はこれらを用いて既存の訓練済みモデルを効率的に軽量化する．この手法により，短時間でモデルをエッジデバイス向けに軽量化できることを示す．また Jetson Nano と DPU を用いて，認識精度と推論速度のトレードオフを明らかにする． |
| （英） | A deep neural network (DNN) is computationally expensive, making it challenging to run DNN on edge devices. Therefore, model compression techniques such as knowledge distillation and pruning are proposed. This research suggests an efficient method to compress pretrained models using these techniques. We show that our method can compress models for edge devices in a short time. We also show a trade--off between recognition accuracy and inference time on Jetson Nano GPU and DPU on a Xilinx FPGA. | |
| キーワード | （和） | 蒸留 / レイヤー枝刈り / ディープニューラルネットワーク / エッジデバイス / / / / |
| （英） | Knowledge Distillation / Layer Pruning / Deep Neural Network / Edge Device / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 344, RECONF2021-66, pp. 49-54, 2022年1月. | |
| 資料番号 | RECONF2021-66 | |
| 発行日 | 2022-01-17 (VLD, CPSY, RECONF) | |
| ISSN | 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 | VLD2021-58 CPSY2021-27 RECONF2021-66 |
|
| 研究会情報 | |
| 研究会 | RECONF VLD CPSY IPSJ-ARC IPSJ-SLDM |
| 開催期間 | 2022-01-24 - 2022-01-25 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | FPGA 応用および一般 |
| テーマ（英） | FPGA Applications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RECONF |
| 会議コード | 2022-01-RECONF-VLD-CPSY-ARC-SLDM |
| 本文の言語 | 日本語 |
| タイトル（和） | 蒸留とレイヤー枝刈りによるエッジデバイス推論処理の高速化について |
| サブタイトル（和） | |
| タイトル（英） | Accelerating Deep Neural Networks on Edge Devices by Knowledge Distillation and Layer Pruning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 蒸留 / Knowledge Distillation |
| キーワード(2)（和/英） | レイヤー枝刈り / Layer Pruning |
| キーワード(3)（和/英） | ディープニューラルネットワーク / Deep Neural Network |
| キーワード(4)（和/英） | エッジデバイス / Edge Device |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 市川 雄樹 / Yuki Ichikawa / イチカワ ユウキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Titech) |
| 第2著者 氏名（和/英/ヨミ） | 神宮司 明良 / Akira Jinguji / ジングウジ アキラ |
| 第2著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Titech) |
| 第3著者 氏名（和/英/ヨミ） | 倉持 亮佑 / Ryosuke Kuramochi / クラモチ リョウスケ |
| 第3著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Titech) |
| 第4著者 氏名（和/英/ヨミ） | 中原 啓貴 / Hiroki Nakahara / ナカハラ ヒロキ |
| 第4著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Titech) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-01-24 15:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | RECONF |
| 資料番号 | VLD2021-58, CPSY2021-27, RECONF2021-66 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.342(VLD), no.343(CPSY), no.344(RECONF) |
| ページ範囲 | pp.49-54 |
| ページ数 | 6 |
| 発行日 | 2022-01-17 (VLD, CPSY, RECONF) |
[研究会発表申込システムのトップページに戻る]