| 大会名称 |
|---|
| 2020年 総合大会 |
| 大会コ－ド |
| 2020G |
| 開催年 |
| 2020 |
| 発行日 |
| 2020-03-03 |
| セッション番号 |
| D-12B |
| セッション名 |
| パターン認識・メディア理解B |
| 講演日 |
| 2020/3/18 |
| 講演場所(会議室等) |
| 工学部 講義棟２F 218講義室 |
| 講演番号 |
| D-12-38 |
| タイトル |
| 低ビット量子化と枝刈りの併用によるＣＮＮの軽量化 |
| 著者名 |
| ◎山本康平, 橘 素子, |
| キーワード |
| 畳み込みニューラルネットワーク, 量子化, 枝刈り, 物体検出, モデル軽量化 |
| 抄録 |
| 畳み込みニューラルネットワーク(CNN) は，従来の画像処理技術に比べ膨大な演算量とパラメータ数を必要とする．一方，CNNを小型なエッジデバイスに実装するニーズが高まっているが，その計算資源は限定的であり，モデルの軽量化が必要となる．モデル軽量化の先行研究は，推論時の演算精度を抑える「量子化」やモデルの冗長な要素を削減する「枝刈り」等のカテゴリに分けられる．しかし，各カテゴリ間の研究事例は概ね独立的であり，より実践的な観点ではこれらを組み合わせることで更なる軽量化を達成できる可能性がある．そこで本稿では，画像の物体検出タスクを対象に「量子化」と「枝刈り」を併用した場合の軽量化性能を検証する． |
| 本文pdf |
|
PDF download
|