文献

J-GLOBAL ID：202002235209754800   整理番号：20A0951558

実時間オブジェクト検出のためのエネルギーおよびGPU計算効率的バックボーンネットワーク【JST・京大機械翻訳】

An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection

著者 (5件)： Lee Youngwan (ETRI) ,  Hwang Joong-won (ETRI) ,  Lee Sangrok (SK C&C) ,  Bae Yuseok (ETRI) ,  Park Jongyoul (ETRI)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CVPRW  ページ： 752-760  発行年： 2019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： DeneNetは,高密度接続によりそれらを集約することにより,多様な受容野を持つ中間特徴を保存するので,オブジェクト検出タスクにおいて良好な性能を示す。特徴再利用により,DenseNetは少数のモデルパラメータとFLOPSを持つ強い特徴を生成することができるが,DenseNetバックボーンを持つ検出器はかなり遅い速度と低いエネルギー効率を示す。高密度接続により線形に増加する入力チャネルが,計算オーバーヘッドとより多くのエネルギー消費を引き起こす,重いメモリアクセスコストをもたらすことを見出した。DenseNetの非効率性を解決するために,著者らはエネルギーと計算効率の良いアーキテクチャを提案した。それはOne-Shot Aggregation(OSA)から成るVoVNetと呼ばれる。OSAは,複数の受容場を持つ多様な特徴を表すDenseNetの強度を採用するだけでなく,最後の特徴マップにおいて一度だけ,すべての特徴を集約することにより,密な接続の非効率性を克服する。バックボーンネットワークとしてのVoVNetの有効性を検証するために,軽量で大規模なVoVNetを設計し,それらを1段階と2段階の物体検出器に適用した。著者らのVoVNetベースの検出器は,2つのより速い速度を持つDenseNetベースの検出器より性能が優れており,エネルギー消費量は1.6~4.1倍低減される。DenseNetに加えて,VoVNetは,より速い速度とより良いエネルギー効率で,広く使用されているResNetバックボーンよりも性能が優れている。特に,小オブジェクト検出性能はDenseNetとResNet上で著しく改善された。Copyright 2020 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： *基幹回線 ,  線形性 ,  検出器 ,  エネルギー消費 ,  再利用 ,  有効性 ,  チャネル ,  計算機アーキテクチャ ,  エネルギー効率
準シソーラス用語： *計算効率 ,  メモリアクセス ,  モデルパラメータ ,  *物体検出 ,  オーバヘッド ,  高密度 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 実時間 ,  オブジェクト検出 ,  エネルギー ,  GPU ,  計算効率 ,  バックボーンネットワーク