抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】