文献

J-GLOBAL ID：201602231930003633   整理番号：16A1385072

モバイルデバイスのための量子化された畳込みニューラルネットワーク【Powered by NICT】

Quantized Convolutional Neural Networks for Mobile Devices

著者 (5件)： Wu Jiaxiang ,  Leng Cong ,  Wang Yuhang ,  Hu Qinghao ,  Cheng Jian
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CVPR  ページ： 4820-4828  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： 最近,畳込みニューラルネットワーク(CNN)は様々なコンピュータビジョン作業において印象的な性能を実証した。但し,高い演算量(計算の複雑さ,それらの更なる拡張を妨げるに起因するCNNモデルの適用に不可欠で典型的に高性能ハードウエア。本論文では,同時に計算をスピードアップし,CNNモデルの貯蔵とメモリオーバヘッドを低減するために,すなわち量子化されたCNN,効率的なフレームワークを提案した。完全結合層における畳込み層と重み行列におけるフィルタカーネルが量子化されている,各層の応答の推定誤差を最小化することを目指している。ILSVRC XIIベンチマーク上での包括的実験は,単に一つのパーセント損失分類精度で4~6倍高速化と15~20×圧縮を実証した。量子化CNNモデルを用いて,モバイル機器は二分の1内の画像を正確に分類できる。Copyright 2016 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： 画像 ,  演算 ,  ベンチマーク ,  *畳込み ,  計算量 ,  *ニューラルネットワーク ,  ハードウェア ,  高速化 ,  コンピュータビジョン ,  *量子化
準シソーラス用語： 分類精度 ,  推定誤差 ,  *モバイルデバイス , 【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)： モバイルデバイス ,  量子化 ,  畳込みニューラルネットワーク