抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】