文献

J-GLOBAL ID：202102259280076829   整理番号：21A0067351

固定点重み量子化によるエンドツーエンド学習画像圧縮【JST・京大機械翻訳】

End-To-End Learned Image Compression With Fixed Point Weight Quantization

著者 (4件)： Sun Heming (Waseda Research Institute for Science and Engineering, Waseda University,Tokyo,Japan) ,  Cheng Zhengxue (Waseda University,Department of Computer Science and Communication Engineering,Tokyo,Japan) ,  Takeuchi Masaru (Waseda Research Institute for Science and Engineering, Waseda University,Tokyo,Japan) ,  Katto Jiro (Waseda Research Institute for Science and Engineering, Waseda University,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 3359-3363  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： 学習画像圧縮(LIC)は,符号化利得に関してJPEG2000やBPGのような従来の手作業法に達した。しかし,ネットワークの大きなモデルサイズは,資源制限組込みシステムへのLICの使用を禁止する。本論文では,8ビット固定点重みを持つLICを示した。まず,グループ内の重みを量子化し,非線形メモリフリー符号表を提案する。第二に,著者らは最適グループ化と量子化方式を探究した。最後に,新しい重みクリッピング微調整方式を開発した。実験結果は,量子化に起因する符号化損失が小さいが,約75%のモデルサイズを32ビット浮動点アンカと比較して減少できることを示した。知る限りでは,これは固定点重みを有するLICを完全に探索し,評価するための最初の研究であり,提案した量子化LICはMS-SSIMに関してBPGを凌駕できる。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： *量子化 ,  *学習 ,  ネットワーク ,  浮動 ,  *エンドツーエンド方式 ,  *画像圧縮 ,  符号表 ,  JPEG ,  符号化利得 ,  組込みシステム
準シソーラス用語： クリッピング , 【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 (5件)： 固定点 ,  量子化 ,  エンドツーエンド ,  学習 ,  画像圧縮