文献

J-GLOBAL ID：202002282971399667   整理番号：20A2526322

100Kパラメータによる高効率突出物検出【JST・京大機械翻訳】

Highly Efficient Salient Object Detection with 100K Parameters

著者 (6件)： Gao Shang-Hua (College of Computer Science, Nankai University, Tianjin, China) ,  Tan Yong-Qiang (College of Computer Science, Nankai University, Tianjin, China) ,  Cheng Ming-Ming (College of Computer Science, Nankai University, Tianjin, China) ,  Lu Chengze (College of Computer Science, Nankai University, Tianjin, China) ,  Chen Yunpeng (Yitu Technology, Shanghai, China) ,  Yan Shuicheng (Yitu Technology, Shanghai, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12351  ページ： 702-721  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： サレントオブジェクト検出モデルは,各ピクセルの正確な予測を行うために,しばしばかなりの計算コストを必要とし,低電力デバイスにはほとんど適用できない。本論文では,ネットワーク効率をより高い程度に改善することにより,計算コストとモデル性能の間の矛盾を緩和することを目指した。柔軟な畳み込みモジュール,すなわち,一般化OctConv(gOctConv)を提案し,新しい動的重み減衰方式によって表現冗長性を縮小しながら,ステージとクロスステージのマルチスケール特徴の両方を効率的に利用した。有効動的重み減衰スキームは,訓練中のパラメータのスパース性を安定に高め,gOctConvの各スケールに対するチャネルを学習可能にサポートし,パラメータ80%が無視できる性能低下で低減できた。gOctConvを利用して,非常に軽量なモデル,すなわちCSNetを構築し,これは,一般的な顕著な物体検出ベンチマーク上で大きなモデルの[数式:原文を参照]パラメータ(100k)に匹敵する性能を達成した。ソースコードは,公開されている。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習 ,  冗長性 ,  ネットワーク ,  画素 ,  チャネル ,  ベンチマーク
準シソーラス用語： *高効率 ,  パワーデバイス ,  性能劣化 ,  スパース性 ,  マルチスケール ,  物体検出 ,  計算コスト ,  ソースコード , 【Automatic Indexing@JST】

著者キーワード (2件)： 突出物検出 ,  高効率の高効率化

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： パラメータ ,  高効率 ,  突出物検出