文献

J-GLOBAL ID：201702254149938800   整理番号：17A0056317

に埋め込まれた板に及ぼす深い残留ネットワークを用いた物体検出器の最適化【Powered by NICT】

Optimization for object detector using deep residual network on embedded board

著者 (5件)： Lee Youngwan (Computer Vision Laboratory Graduate School of Information and Communication Engineering, Inha University, Incheon, Korea) ,  Kim Huien (Computer Vision Laboratory Graduate School of Information and Communication Engineering, Inha University, Incheon, Korea) ,  Park Eunsoo (Computer Vision Laboratory Graduate School of Information and Communication Engineering, Inha University, Incheon, Korea) ,  Yim Byeonghak (Computer Vision Laboratory Graduate School of Information and Communication Engineering, Inha University, Incheon, Korea) ,  Kim Hakil (Computer Vision Laboratory Graduate School of Information and Communication Engineering, Inha University, Incheon, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICCE-Asia  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 先進運転者支援システム(ADAS)のための深いニューラルネットワークに関する多くの研究が出現したが,埋込みボード上に実装された深い畳込みニューラルネットワーク(CNN)を用いたまたは道路オブジェクト検出タスクのためのモバイルプラットフォームは挑戦的である。深いCNNパイプラインを展開するために,計算能力,処理時間,電池,および記憶容量のような制約を克服する必要がある。これらの制約を克服するために,本研究は6×少ないパラメータで小さい残留CNN(セルラニューラルネットワーク)アーキテクチャとオブジェクト検出器,単一ショット多重ボックス検出器によって採用される3倍小さいメモリを提案した。提案した方法は,NVIDIA TX1の機器組込型ボードにKITTIデータセットを用いて評価し,二10.63フレーム/,よく知られているモデル,VGGNetと比較して三倍速いを達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 多重化 ,  セルラニューラルネットワーク ,  ニューラルネットワーク ,  *検出器 ,  加工時間 ,  *最適化 ,  計算機アーキテクチャ ,  畳込み ,  粒状材 ,  道路 ,  *ネットワーク ,  記憶装置 ,  記憶容量
準シソーラス用語： 運転者支援システム ,  *物体検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 残留 ,  物体検出 ,  最適化