文献

J-GLOBAL ID：201802286459422299   整理番号：18A2233506

協調知能のための近無損失深特徴圧縮【JST・京大機械翻訳】

Near-Lossless Deep Feature Compression for Collaborative Intelligence

著者 (2件)： Choi Hyomin (Simon Fraser University, School of Engineering Science, Burnaby, BC, Canada) ,  Bajic Ivan V. (Simon Fraser University, School of Engineering Science, Burnaby, BC, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： MMSP  ページ： 1-6  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： 共同知能は,モバイルクラウドインフラストラクチャを横切る深いニューラルネットワークの効率的配置のための新しいパラダイムである。モバイルとクラウドの間のネットワークを分割することによって,システムの全体のエネルギーおよび/または待ち時間が最小化されるように,計算作業負荷を配布することが可能である。しかし,これは,推論を実行するために,モバイルからクラウドへの深い特徴データを送る必要がある。本研究では,深い特徴データと自然画像データの間の差異を調べ,単純で効果的な近損失の深い特徴圧縮機を提案した。提案した方法は,HEVC-Intraと比較して5%までのビットレート低減を達成し,他の一般的な画像符号に対してもより多くのものを達成した。最後に,著者らは,深いモデルによって実行された推論を補うために役立つことができる圧縮された深い特徴から入力画像を再構成するためのアプローチを提案した。Copyright 2019 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： 再構成 ,  圧縮機 ,  *携帯電話 ,  待ち時間 ,  ネットワーク ,  画像 ,  インフラストラクチャー ,  ニューラルネットワーク ,  H.265/HEVC
準シソーラス用語： ビットレート ,  自然画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 協調 ,  知能 ,  無損失