文献

J-GLOBAL ID：202002259619228097   整理番号：20A1032536

複数モバイルデバイスにおける画像検索のためのCNNの分散微調整【JST・京大機械翻訳】

Distributed fine-tuning of CNNs for image retrieval on multiple mobile devices

著者 (4件)： Jang Gwangseon (Digital Solution Laboratory, KEPCO Research Institute, Republic of Korea) ,  Lee Jin-woo (Graduate School of Knowledge Service Engineering, KAIST, Republic of Korea) ,  Lee Jae-Gil (Graduate School of Knowledge Service Engineering, KAIST, Republic of Korea) ,  Liu Yunxin (Microsoft Research, China)
資料名： Pervasive and Mobile Computing  (Pervasive and Mobile Computing)
巻： 64  ページ： Null  発行年： 2020年 
JST資料番号： W3475A  ISSN： 1574-1192  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モバイルデバイスの高性能は,このようなデバイスに対するその強さを利用するために,深い学習を拡張することを可能にした。しかしながら,それらの計算能力はオンデバイス訓練を実行するのに十分ではないので,事前訓練モデルは通常モバイルデバイスにダウンロードされ,それらに関する推論のみが実行される。この状況は,訓練のためのデータの特性と推論のためのデータの特性が十分に異なる場合に,精度が劣化するという問題をもたらす。一般的に,微調整は所定のデータセットに適応するための事前訓練モデルを可能にするが,モバイルデバイスでは困難と認識されている。本論文では,モバイル機器上での微調整を可能にすることにより,モバイルの深い学習の品質を改善するための著者らの努力を紹介した。モバイル機器上で操作できるレベルまでのコストを低減するために,軽量微調整法を提案し,そのコストを移動装置上での分散コンピューティングを用いてさらに低減した。提案した技術を,著者らの研究グループにおける開発の下でのグループ光ウェア応用である,LetsPic-DLに適用した。5つのGalaxy S8ユニット上に100の光を持つ前訓練されたMobilenetを微調整するのに24秒しか必要とせず,優れた画像検索精度が27~35%の改善を反映した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分散処理 ,  *携帯電話 ,  *画像検索 ,  *モバイルデバイス

著者キーワード (5件)： モバイル深層学習 ,  微調整 ,  共同写真 ,  画像検索 ,  アドホッククラウドコンピューティング

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： モバイルデバイス ,  画像検索 ,  CNN ,  微調整