文献

J-GLOBAL ID：201802244570250862   整理番号：18A1513146

Bd-Net:二重化された離散的に分離可能な畳込みによる乗算のないDNN【JST・京大機械翻訳】

BD-NET: A Multiplication-Less DNN with Binarized Depthwise Separable Convolution

著者 (4件)： He Zhezhi ,  Angizi Shaahin ,  Rakin Adnan Siraj ,  Fan Deliang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISVLSI  ページ： 130-135  発行年： 2018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： 本研究では,BD-NETと呼ばれる乗算なしの深い畳込みニューラルネットワークを提案した。著者らが知っている限り,BD-NETは,深い畳込みニューラルネットワーク(CNN)における従来の空間コンボリューションの置換におけるドロップとして,二値化されたデdep分離可能なコンボリューションブロックを使用する最初のものである。BD-NETにおいて,計算コストの高いコンボリューション操作(すなわち,乗算と蓄積)は,ハードウェアに優しい付加/減算操作に変換される。本研究では,最初に,精度,パラメータサイズおよび計算コストに関してBD-NETの性能を調査し,解析した。次に,実験結果により,二値化デdep分離可能畳込みによる提案BD-NETは,CIFAR-10データセット上の完全精度の従来のコンボリューション層をもつベースラインCNN対応物に対して,より高い推論精度を達成できることを示した。ハードウェア実装の観点から,BD-NETのコンボリューション層は,計算エネルギー,メモリ使用,およびチップ面積に関して,それぞれ97.2%,88.9%,および99.4%の削減を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 基準線 ,  *畳込み ,  減算 ,  ハードウェア ,  *乗算 ,  記憶装置
準シソーラス用語： チップ面積 ,  ハードウェア実装 ,  計算コスト ,  二値化 ,  畳込みニューラルネットワーク ,  *二重化 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 二重化 ,  畳込み ,  乗算