文献

J-GLOBAL ID：202102238547824359   整理番号：21A0463055

コンピュータビジョンから医療応用へのDNNのリアルタイム移動加速【JST・京大機械翻訳】

Real-Time Mobile Acceleration of DNNs From Computer Vision to Medical Applications

著者 (9件)： Li Hongjia (Northeastern University, Boston, USA) ,  Yuan Geng (Northeastern University, Boston, USA) ,  Niu Wei (College of William and Mary, Williamsburg, Virginia) ,  Cai Yuxuan (Northeastern University, Boston, USA) ,  Sun Mengshu (Northeastern University, Boston, USA) ,  Li Zhengang (Northeastern University, Boston, USA) ,  Ren Bin (College of William and Mary, Williamsburg, Virginia) ,  Lin Xue (Northeastern University, Boston, USA) ,  Wang Yanzhi (Northeastern University, Boston, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASPDAC ’21  ページ： 581-586  発行年： 2021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： モバイルビジョンアプリケーションの成長により,モバイルプラットフォームの電流性能限界,特に物体検出,行動認識,および医療診断のような計算集約的アプリケーションのために,増大する必要性がある。この目的を達成するために,著者らは,モバイルターゲットコンパイラ最適化によるハードウェアに優しい構造化モデル圧縮をシームレスに統合する,著者らの統一リアルタイムモバイルDNN推論加速フレームワークを提示した。モバイルデバイスに関するそのような大規模ニューラルネットワーク推論の前例のない実時間性能を目指した。微細粒ブロックベース剪定スキームは,異なるカーネルサイズと完全接続層を有する畳み込み層のようなすべてのタイプのDNN層に普遍的に適用できることを提案した。さらに,それは3D畳込みにもうまく拡張された。コンパイラ最適化の支援により,細粒ブロックベーススパース性を完全に利用して,高いモデル精度と高いハードウェア加速を同時に達成した。このフレームワークを検証するために,応用の3つの代表的分野を実装,実証し,物体検出,活動検出,および医療診断を示した。すべてのアプリケーションは,オフザイスのスマートフォンを用いた実時間推論を達成し,代表的なモバイルDNN推論加速フレームワークを,最大6.7xの速度で凌駕する。これらの応用の実証は,次のリンクで見出される:https://bit.ly/39lWpYu。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 ,  電流 ,  ニューラルネットワーク ,  応用プログラム ,  ハードウェア ,  *コンピュータビジョン ,  三次元 ,  携帯電話 ,  スマートフォン
準シソーラス用語： スパース性 ,  モバイルデバイス ,  物体検出 ,  行動認識 ,  実時間 ,  モバイルプラットフォーム , 【Automatic Indexing@JST】

著者キーワード (3件)： コンピュータビジョン ,  モバイル加速 ,  リアルタイム

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)： コンピュータビジョン ,  医療応用 ,  リアルタイム ,  加速