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。
本論文は,フィルタレベルネットワーク剪定に焦点を合わせた。CLR-RNFと呼ばれる新しい剪定法を提案した。最初に,大きさベース重み剪定法における「長尾」長尾枝刈り問題を明らかにし,次に,個々の重み重要度に対する計算意識測定を提案し,次に,重みの交差Layer Ranking(CLR)を,底部ランク重みを同定し,除去するために,提案した。その結果,per-layerスパース性は,著者らのフィルタ剪定において,剪定ネットワーク構造をつくった。次に,各フィルタが最も近いフィルタのグループを推薦する推薦ベースのフィルタ選択方式を導入した。これらの推奨グループから保存フィルタをピックアップするために,選択したフィルタがこれらの推奨グループの交差点に陥るk-Reciprocal最近傍フィルタ(RNF)選択方式をさらに考案した。著者等の剪定ネットワーク構造とフィルタ選択は,非学習プロセスであり,従って,剪定複雑性を著しく減らし,既存の研究から著者らの方法を差別化する。CIFAR-10とImageNetの画像分類を行い,最先端技術のCLR-RNFの優位性を実証した。例えば,CIFAR-10では,CLR-RNFは74.1%のFLOPとVGGNet-16から95.0%のパラメータを除去し,さらに0.3%の正確度改善があった。ImageNet上では,70.2%のFLOPと64.8%のパラメータをResNet-50から除去し,わずか1.7%のトップ-5精度の低下があった。本プロジェクトはhttps://github.com/lmbxmu/CLR RNFである。【JST・京大機械翻訳】