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。
画像認識等において,CNN(Convolutional Neural Network)と呼ばれるニューラルネットワークが高い認識精度を示し,広く利用されているが,計算量が大きく,この計算量を削減することが,CNNの大きな課題となっている.計算量削減手法として,ランダムな値によるパラメータ固定化を行った先行研究としてLBCNNがある.また,これに対し我々は,CNNが1層目の畳み込み層で単純な特徴パターンの抽出を行うという特性に基づきパラメータ固定化を行う,Functionally-Predefined Kernelを提案している.しかし,複雑な特徴パターンの抽出を行う2層目以降の畳み込み層に含まれるカーネルは固定できておらず,計算量の削減が十分ではない.そこで本稿では,学習が十分に行われたCNNの,2層目以降の畳み込み層に含まれるカーネルに,共通して存在する特徴を機械的に分析し,抽出する方法を検討する.CNNの2層目の畳み込み層に含まれるカーネルを事前定義することで,先行研究で達成される認識精度を維持したまま,更に計算量を削減する方法について考察・検討する.(著者抄録)