画像分類のためのRaspberry Pi上の効率的な畳込みニューラルネットワーク【JST・京大機械翻訳】

Ju Rui-Yang; Lin Ting-Yu; Jian Jia-Hao; Chiang Jen-Shiun

プレプリント

J-GLOBAL ID：202202208314568103 整理番号：22P0324440

画像分類のためのRaspberry Pi上の効率的な畳込みニューラルネットワーク【JST・京大機械翻訳】

Efficient Convolutional Neural Networks on Raspberry Pi for Image Classification

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 (4件)： , , ,
資料名：
発行年： 2022年04月02日プレプリントサーバーでの情報更新日： 2022年11月19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)

コンピュータビジョン(CV)の分野における深層学習アルゴリズムの良い性能によって,畳込みニューラルネットワーク(CNN)アーキテクチャはコンピュータビジョンタスクの主要なバックボーンになった。モバイル機器の広範な利用により,低計算電力のプラットフォームに基づくニューラルネットワークモデルが徐々に注目されている。しかし,計算電力の限界のため,深層学習アルゴリズムは通常モバイルデバイスで利用できない。本論文では,ラズベリーPi上で容易に動作できる軽量畳込みニューラルネットワーク,トリプルネットを提案した。ThreshNetにおけるブロック接続の概念から採用して,新しく提案したネットワークモデルは,ネットワークモデルを圧縮して,加速して,ネットワークのパラメータ量を減らして,精度を確実にする間,各々の画像の推論時間を短くした。本提案のトリプルネットおよび他の最先端(SOTA)ニューラルネットワークは,ラズベリーPi上のCIFAR-10およびSVHNデータセットによる画像分類実験を行う。実験結果は,GホストNet,MobileNet,ThreshNet,効率的Net,およびHarDNetと比較して,画像当たりの三重Netの推論時間は,それぞれ15%,16%,17%,24%,および30%短くなることを示した。本研究の詳細コードはhttps://github.com/RuiyangJu/TripleNetで利用可能である。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, ,

前のページに戻る