文献

J-GLOBAL ID：201702215966753264   整理番号：17A1569608

に埋め込まれたビジョン(招待論文)のためのH OGとCNN特徴間のエネルギーギャップを埋めることに向けて【Powered by NICT】

Towards closing the energy gap between HOG and CNN features for embedded vision (Invited paper)

著者 (4件)： Suleiman Amr (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology) ,  Chen Yu-Hsin (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology) ,  Emer Joel (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology) ,  Sze Vivienne (Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAS  ページ： 1-4  発行年： 2017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： コンピュータビジョンロボット/雄バチ,自己駆動車,モノのスマートインターネット,携帯/ウェアラブルエレクトロニクスにおける応用の広い範囲を可能にする。これらの多くの応用に対して,局所埋め込み処理はプライバシーや潜在感染への懸念により有利である。リアルタイムとロバスト性能を供給するエネルギー効率の良い埋込み型ビジョンハードウェアが重要である。深層学習は,いくつかのコンピュータビジョンアルゴリズムにおいて普及してきているが,従来の人手手法と比較して存在する顕著なエネルギー消費差。本論文では,深い畳込みニューラルネットワーク(CNN)と有向勾配(H OG)のヒストグラムのような手作りの特徴のような学習特徴間の計算エネルギーと精度のトレードオフの詳細解析を行った。この解析は,これらのアルゴリズムを実行する二チップからの測定によって支持された。CNNが改善され,最終的にH OGのエネルギー効率に近づくが本研究の目的は,二つの方法の間のエネルギー不一致の源を理解し,可能性のある地域に関する洞察を提供するためには,その優れた性能精度を維持した。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： ヒストグラム ,  エネルギー消費 ,  *エネルギーギャップ ,  学習 ,  畳込み ,  プライバシー ,  アルゴリズム ,  エネルギー効率 ,  ニューラルネットワーク
準シソーラス用語： 深層学習 ,  実時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： ビジョン ,  論文 ,  Og ,  CNN ,  エネルギーギャップ