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。
大規模データの広い応用とコンピュータコンピューティング能力の開発によって,深い畳込みニューラルネットワーク(CNN)はコンピュータビジョンの分野で広く適用された。深いニューラルネットワークの現在のアーキテクチャは,より良い性能を達成するためにより深く,より複雑になっている。しかし,計算やメモリの消費が大きく,実行時間が長いなどの自然な欠点は,CNNモデルをモバイルや埋め込みデバイスに適用することを困難にしている。本論文において,著者らは,厄介なニューラルネットワークから蒸留されたニューロンの高レベル意味情報のガイド下で,スマート畳込みニューラルネットワーク(S-CNN)を学習した。S-CNNは,予測したプロセスにおける計算とメモリの消費が少ない改良CNNモデルとして見ることができる。CIFAR-10,CIFAR-100およびSVHNを含む3つのベンチマーキングデータセットに関する画像分類タスクの観点から,S-CNNの優位性を検証した。実験結果は,提案したS-CNNが従来のCNNモデルと比較して励起性能を得ることができることを明確に実証した。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】