文献

J-GLOBAL ID：202102217382464270   整理番号：21A0067024

M-Sosanet:埋込みデバイスのための効率的な畳込みネットワークバックボーン【JST・京大機械翻訳】

M-Sosanet: An Efficient Convolution Network Backbone For Embedding Devices

著者 (7件)： Zhang Tangkun (Beijing University of Posts and Telecommunications,China) ,  Jiao Jichao (Beijing University of Posts and Telecommunications,China) ,  Zhang Chengkai (Beijing University of Posts and Telecommunications,China) ,  Zhao Yaxin (Beijing University of Posts and Telecommunications,China) ,  Wang Chenxu (Beijing University of Posts and Telecommunications,China) ,  Cui Wei (Beijing University of Posts and Telecommunications,China) ,  Chen Xinping (Beijing University of Posts and Telecommunications,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 1721-1725  発行年： 2020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： 本論文では,エッジデバイスに対する効率と精度を組み合わせた軽量畳込みニューラルネットワークM-SOSAnetを構築した。高密度Netは,ニューラルネットワークにおいて各層を他の層ごとに接続する。高密度接続は中間層間の情報を効果的に維持できるが,高密度接続による入力チャネルの増加は資源消費につながり,それはパラメータ量を大きく増加させ,非効率である。MobileNetシリーズは,計算およびパラメータの量を減らすが,精度を低下させるであろう。ESPnetv2は,より少ないフロップとパラメータを有する大きな受容野からの表現を学習するために,グループポイントワイズと深さ方向拡張分離可能畳込みを使用するが,しかし,わずかな精度減少を得るであろう。これらの問題を解決するために,2つのモジュールを提案した。モバイルSOSAモジュール2。スコアリング機構によるダウンサンプリングブロックも,注意機構を紹介した。若干の過去の方法と比較して,著者らのモデルM-SOSAnetは,より低いフロップ,より高い正確さを持って,類似した量のパラメータを維持した。画像分類と意味セグメンテーションの領域におけるモデルを評価し,著者らの方法がより良い性能を持つことを証明した。Copyright 2021 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： *畳込み ,  セグメンテーション ,  ニューラルネットワーク ,  チャネル ,  携帯電話
準シソーラス用語： ダウンサンプリング ,  画像分類 ,  高密度 ,  受容野 ,  畳込みニューラルネットワーク , 【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 (3件)： 埋込み ,  畳込み ,  バックボーン