加速ニューラルネットワークにおける画像分類【JST・京大機械翻訳】

Sikdokur Ilkay; Baytas Inci; Yurdakul Arda

プレプリント

J-GLOBAL ID：202202207741312849 整理番号：22P0307731

加速ニューラルネットワークにおける画像分類【JST・京大機械翻訳】

Image Classification on Accelerated Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年03月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

画像分類問題のために,様々なニューラルネットワークモデルを,高精度の降伏の成功のために,通常使用する。畳込みニューラルネットワーク(CNN)は,画像分類アプリケーションのために最も頻繁に使用される深層学習法の一つである。それは,その複雑性に関して異常に正確な結果を作り出すかもしれない。しかし,より複雑なモデルは,より長く訓練する。本論文では,FPGAの電力を使用する加速設計を,完全接続層の訓練フェーズのための1つの畳込み層と1つの完全接続層から成る基本的CNNモデルのために与えた。それにもかかわらず,推論フェーズは訓練フェーズが推論を含むという事実により自動的に加速される。この設計において,畳込み層をホストコンピュータによって計算し,完全接続層をFPGAボードによって計算した。畳み込み層の訓練は,この設計では考慮されず,将来の研究のために残されている。この結果は,このFPGA設計が,訓練と推論の両方で約2倍ホストコンピュータ上のTensorflowのような最先端の深層学習プラットフォームの性能のトップを上回るので,非常に有望である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

医用画像処理 , 図形・画像処理一般 , 人工知能

, ,

前のページに戻る