文献

J-GLOBAL ID：201902278596316250   整理番号：19A1696654

Dither NN:画像処理から着想を得た組込み向け量子化ニューラルネットワークの精度向上手法

著者 (9件)： 安藤洸太 (北大) ,  植吉晃大 (北大) ,  大羽由華 (北大) ,  廣瀬一俊 (北大) ,  工藤巧 (北大) ,  池辺将之 (北大) ,  浅井哲也 (北大) ,  高前田伸也 (北大) ,  本村真人 (東京工大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 18(RECONF2019 1-19)(Web)  ページ： 73-78 (WEB ONLY)  発行年： 2019年05月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ニューラルネットワーク(NN)の実用化によりIoTでの広汎な応用が期待されるが,電力と面積の制約が問題となる.数値表現を削った量子化NNはこれを軽減する有用な手法であるが,認識精度の劣化は避けられない.本稿では,画像処理で多用される,局所的な量子化誤差を平面内に分散させて平面全体の量子化誤差を最小化するディザの手法から着想し,量子化NNの認識精度向上を試みる.FPGAプロトタイプ実装を通じ,これが既存の量子化NNハードウェアに比べ僅かな回路規模増大のみで実現可能であることを示す.(著者抄録)

シソーラス用語： 画像処理 ,  *FPGA ,  *ニューラルネットワーク ,  量子化 ,  量子化誤差 ,  ディザー ,  精度 ,  プロトタイプ ,  平滑化 ,  実験
準シソーラス用語： 誤差拡散法 ,  認識精度 ,  評価実験

分類 (2件)： 汎用演算制御装置  (JC04020N) ,  人工知能  (JE08000Z)

引用文献 (7件)：

• M. Courbariaux and Y. Bengio, “BinaryNet: Training deep neural networks with weights and activations constrained to +1 or -1,” CoRR, vol.abs/1602.02830, pp.1-11, 2016. http://arxiv.org/abs/1602.02830
• D. Miyashita, E.H. Lee, and B. Murmann, “Convolutional neural networks using logarithmic data representation,” CoRR, vol.abs/1603.01025, pp.1-10, 2016. http://arxiv.org/abs/1603.01025
• K. Ando, K. Ueyoshi, K. Orimo, H. Yonekawa, S. Sato, H. Nakahara, S. Takamaeda-Y., M. Ikebe, T. Asai, T. Kuroda, and M. Motomura, “BRein Memory: A single-chip binary/ternary reconfigurable in-memory deep neural network accelerator achieving 1.4TOPS at 0.6W,” IEEE Journal of Solid-State Circuits, vol.53, no.4, pp.983-994, April 2018.
• K. Ueyoshi, K. Ando, K. Hirose, S. Takamaeda-Yamazaki, J. Kadomoto, T. Miyata, M. Hamada, T. Kuroda, and M. Motomura, “QUEST: A 7.49TOPS multi-purpose log-quantized DNN inference engine stacked on 96MB 3D SRAM using inductive-coupling technology in 40nm CMOS,” 2018 IEEE International Solid - State Circuits Conference - (ISSCC), pp.216-218, Feb. 2018.
• J. Lee, C. Kim, S. Kang, D. Shin, S. Kim, and H.J. Yoo, “UNPU: A 50.6TOPS/W unified deep neural network accelerator with 1b-to-16b fully-variable weight bit-precision,” 2018 IEEE International Solid - State Circuits Conference - (ISSCC), pp.218-220, Feb. 2018.

タイトルに関連する用語 (7件)： 画像処理 ,  着想 ,  組込み ,  量子化 ,  ニューラルネットワーク ,  精度向上 ,  手法