| 講演名 | 2021-03-29 Depthwise Separable Convolutionを適用した省パラメータな3DCNN 伊藤 功騎(東京都市大), 中野 秀洋(東京都市大), 宮内 新(東京都市大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | Convolutional Neural Network(CNN)は画像，音声等様々な分野で成果を挙げている．近年，2Dの画像の他に3Dの動画像の分野でも用いられるようになった．しかし，これらの3次元CNNアーキテクチャは特定のタスクの最高精度を競う形で進化していったモデルであり，計算量やパラメータ数に関してはあまり議論されていない．この事実が3次元CNNの応用の障害になっている．本研究では，3Dの情報を扱うネットワークの中でも，パラメータ数を大幅に削減でき，なおかつ認識精度にも大きな違いが見られない3次元CNNアーキテクチャを提案する．動画内の人物の動作を認識するタスクで実験したところ，94.6%のパラメータ数削減に成功した． |
| 抄録(英) | Convolutional Neural Networks (CNNs) have been used in various fields such as image and speech. In recent years, CNNs have been used not only for 2D images but also for 3D video images. However, these 3-Dimensional CNN (3DCNN) architectures are models that have evolved to compete for the highest accuracy in specific tasks, and the computational complexity and number of parameters have not been discussed so far. This fact has become an obstacle to the application of 3DCNNs. In this paper, we propose a 3DCNN architecture that can drastically reduce the number of parameters and still maintain the same recognition accuracy among networks that handle 3D information. In our experiments, we have succeeded in reducing the number of parameters by 94.6% in the task of human action recognition. |
| キーワード(和) | 深層学習 / 畳み込みニューラルネットワーク / 人物行動推定 / Depthwise Separable Convolution |
| キーワード(英) | Deep Learning / Convolutional Neural Network / Human Action Recognition / Depthwise Separable Convolution |
| 資料番号 | CCS2020-27 |
| 発行日 | 2021-03-22 (CCS) |
| 研究会情報 | |
| 研究会 | CCS |
|---|---|
| 開催期間 | 2021/3/29(から1日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 一般 |
| テーマ（英） | etc. |
| 委員長氏名（和） | 塩川 茂樹(神奈川工科大) |
| 委員長氏名（英） | Shigeki Shiokawa(Kanagawa Inst. of Tech.) |
| 副委員長氏名（和） | 浅井 哲也(北大) / 赤井 恵(北大) |
| 副委員長氏名（英） | Tetsuya Asai(Hokkaido Univ.) / Megumi Akai(Hokkaido Univ.) |
| 幹事氏名（和） | 川喜田 佑介(神奈川工科大) / 中田 一紀(TDK) |
| 幹事氏名（英） | Yusuke Kawakita(Kanagawa Inst. of Tech.) / Kazuki Nakada(TDK) |
| 幹事補佐氏名（和） | 中野 秀洋(東京都市大) / 安東 弘泰(筑波大) / 松原 崇(神戸大) / 眞田 耕輔(三重大学) |
| 幹事補佐氏名（英） | Hidehiro Nakano(Tokyo City Univ.) / Hiroyasu Ando(Tsukuba Univ.) / Takashi Matsubara(Kobe Univ.) / Kosuke Sanada(Mie Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Complex Communication Sciences |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Depthwise Separable Convolutionを適用した省パラメータな3DCNN |
| サブタイトル（和） | |
| タイトル（英） | A 3DCNN with Reduced Parameters Using Depthwise Separable Convolution |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(3)（和/英） | 人物行動推定 / Human Action Recognition |
| キーワード(4)（和/英） | Depthwise Separable Convolution / Depthwise Separable Convolution |
| 第 1 著者 氏名（和/英） | 伊藤 功騎 / Koki Ito |
| 第 1 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：Tokyo City Univ.) |
| 第 2 著者 氏名（和/英） | 中野 秀洋 / Hidehiro Nakano |
| 第 2 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：Tokyo City Univ.) |
| 第 3 著者 氏名（和/英） | 宮内 新 / Arata Miyauchi |
| 第 3 著者 所属（和/英） | 東京都市大学(略称：東京都市大) Tokyo City University(略称：Tokyo City Univ.) |
| 発表年月日 | 2021-03-29 |
| 資料番号 | CCS2020-27 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | CCS-438 |
| ページ範囲 | pp.37-41(CCS), |
| ページ数 | 5 |
| 発行日 | 2021-03-22 (CCS) |