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。
オブジェクト検出はパターン認識コミュニティにおける基本的課題の一つである。最近,畳込みニューラルネットワーク(CNN)は,オブジェクト検出においてますます利用されており,ラベル付き画像の量から一般的に発見されるパターンの有望な可能性を示している。CNNベースのシステムの中で,Yoloと呼ばれる高速オブジェクト検出のために設計された最先端のアーキテクチャに焦点を合わせた。しかしながら,Yolo,およびCNNベースのシステムは,それらの計算および貯蔵集中により組込みシステム上で展開するのが困難である。本論文において,著者らは圧縮センシングによってYoloネットワークを圧縮することを提案して,それはCNNアーキテクチャの層におけるパラメータの内部の冗長性特性を利用して,計算と貯蔵コストを減少させた。まず,離散余弦変換(DCT)により,パラメータ行列を周波数領域に変換する。画像を処理するときのパラメータの滑らかな特性のために,結果としての周波数行列は低周波成分によって支配される。次に,周波数行列をまばらにするために高周波部分を剪定する。剪定の後,著者らは分布したランダムGaussマトリックスによって周波数マトリックスをサンプルした。最後に,ネットワークを再訓練し,残りのパラメータを定義した。著者らは,VOC2012データセットに関する提案した圧縮方法を評価して,それが1つの最新の圧縮方式より優れていることを示した。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】