文献

J-GLOBAL ID：201702282013541026   整理番号：17A0448195

ターゲット検出のための畳込みニューラルネットワークの高速と記憶救命し得たGPU加速アルゴリズム【Powered by NICT】

A fast and memory saved GPU acceleration algorithm of convolutional neural networks for target detection

著者 (10件)： Li Shijie (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Li Shijie (School of Computer, National University of Defense Technology, Changsha, China) ,  Dou Yong (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Dou Yong (School of Computer, National University of Defense Technology, Changsha, China) ,  Niu Xin (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Niu Xin (School of Computer, National University of Defense Technology, Changsha, China) ,  Lv Qi (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Lv Qi (School of Computer, National University of Defense Technology, Changsha, China) ,  Wang Qiang (National Laboratory for Parallel and Distributed Processing, National University of Defense Technology, Changsha, China) ,  Wang Qiang (School of Computer, National University of Defense Technology, Changsha, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 230  ページ： 48-59  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ターゲットの検出は,ビデオと画像処理のためのハード実時間タスクである。この作業は最近畳込みニューラルネットワーク(CNN)のフィードフォワードプロセスであり,通常は汎用グラフィックユニット(GPU)により加速されたにより達成されている。しかし,このタスクのための二課題である。一つは走行速度は改善されていないことである。他は,多分より深く,より大きなCNNモデルを用いることであるが,より洗練されたモデルは,GPUメモリの不足によりよく訓練されたかもしれない。本論文では,システム性能を改善する全体的に上記の問題を解くための二つのスケジューリングアルゴリズムを提案した。最初のものは,CNNのフィードフォワードプロセスを高速化するために用いた効果的な画像組合せアルゴリズムである。もう一つは,限られたメモリを用いたGPUデバイスのための任意の大きさのCNNモデルを訓練するために用いた光メモリコストアルゴリズムである。GTX980カードに関する実験を実行し,モデルパラメータの8GB,GPUの大域メモリのサイズよりも大きいとCNNモデルを使用した。cuDNNv3のそれと比較して,6.97倍の高い高速化は検出作業で得られた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 記憶装置 ,  *高速度 ,  *畳込み ,  *アルゴリズム ,  光学メモリ ,  走行速度 ,  *ニューラルネットワーク ,  高速化 ,  録画装置
準シソーラス用語： モデルパラメータ ,  組合せアルゴリズム ,  スケジューリングアルゴリズム ,  システム性能 ,  実時間 ,  *ターゲット検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 畳込みニューラルネットワーク ,  GPU ,  ターゲット検出

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ターゲット検出 ,  畳込みニューラルネットワーク ,  救命 ,  GPU ,  加速 ,  アルゴリズム