文献

J-GLOBAL ID：201802256075455870   整理番号：18A1897881

深層学習に基づく軽量ネットワーク研究:レビュー【JST・京大機械翻訳】

Lightweight Network Research Based on Deep Learning: A Review

著者 (3件)： Li Yahui (Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory, Hangzhou Dianzi University, HangZhou, 310018, China) ,  Liu Jun (Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory, Hangzhou Dianzi University, HangZhou, 310018, China) ,  Wang Lilin (Fundamental Science on Communication Information Transmission and Fusion Technology Laboratory, Hangzhou Dianzi University, HangZhou, 310018, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCC  ページ： 9021-9026  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深い学習は,近年大きな関心を引きつけた分野であり,コンピュータビジョンにおいて重要な役割を果たしている。従来のオブジェクト検出法は,ますます複雑なアプリケーション環境に適応できなかった。一方,強力な特徴抽出能力のために,深い学習は,近年,オブジェクト検出タスクにおいて強い能力を示す。しかしながら,深いネットワークの集中的で複雑な計算はハードウェアにとって非常に要求されており,それは通常のハードウェアデバイスに展開することが困難になる。この場合,軽量ネットワーク技術が生まれつつある。最初に,本論文は,深い学習の限界と軽量ネットワーク技術の必要性を分析した。次に,既存の技術に従って,軽量ネットワークの方法をまとめて分析した。さらに,軽量ネットワーク法を比較し解析し,これらの方法の利点と欠点を指摘した。最後に,軽量ネットワークアプローチと深い学習技術開発の方向に直面する問題を要約した。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： ハードウェア ,  コンピュータビジョン ,  *ネットワーク ,  *学習 ,  応用プログラム ,  特徴抽出 ,  ネットワーク法
準シソーラス用語： 物体検出 ,  *軽量 ,  深層学習 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  NMR一般  (BM07041R) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y)

タイトルに関連する用語 (4件)： 深層学習 ,  軽量 ,  研究 ,  レビュー