文献

J-GLOBAL ID：202002282111026696   整理番号：20A2030520

R2CNN:FPGA上の再帰残差畳込みニューラルネットワーク【JST・京大機械翻訳】

R2CNN: Recurrent Residual Convolutional Neural Network on FPGA

著者 (4件)： Nakahara Hiroki (Tokyo Institute of Technology, Tokyo, Japan) ,  Zhiqiang Que (Imperial College Longon, Longon, United Kingdom) ,  Jinguji Akira (Tokyo Institute of Technology, Tokyo, Japan) ,  Luk Wayne (Imperial College London, London, United Kingdom)
資料名： ACM Proceedings  (ACM Proceedings)
号： FPGA ’20  ページ： 319  発行年： 2020年 
JST資料番号： D0698C  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： 過去数年にわたり,フィードフォワード畳み込みニューラルネットワーク(CNN)は,単純なフィードフォワードアーキテクチャから深層および残差(スキップ接続)アーキテクチャへと進化し,ますます高いオブジェクトカテゴリー化精度および神経および行動応答のますます良好な説明力を示す。しかし,神経科学者の観点から,そのような深い構造と腹側視覚経路の間の関係は不完全である。例えば,現在の最先端のCNNは,比較的浅い皮質階層(4~8層)と比較して,あまりに複雑(例えば,ResNetに対して100層以上)であるように見える。浅い再帰アーキテクチャとより少ないパラメータを必要とするスキップ接続を有する新しいCNNを導入した。分類の高精度で,オンチップメモリ帯域幅を効率的に利用するFPGA上の再帰残留畳込みニューラルネットワーク(R2CNN)のアーキテクチャを提案した。再発性残留畳込みステージのための出力-Kernel-Input-Parallel(OKIP)畳込み回路を提案した。高レベル合成によるXilinx ZCU104評価ボード上の推論ハードウェアを実行した。R2CNNアクセラレータは,従来のFPGA実装よりも高い精度を持つImageNetベンチマーク上で90.08%のトップ5精度を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *残差 ,  フィードフォワード ,  皮質 ,  ハードウェア ,  帯域幅 ,  神経科学 ,  深層 ,  ベンチマーク ,  計算機アーキテクチャ ,  *FPGA
準シソーラス用語： オンチップメモリ ,  アクセラレータ ,  FPGA実装 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： cnn ,  fpga ,  rnn

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： FPGA ,  残差 ,  畳込みニューラルネットワーク