セマンティック画像セグメンテーションのための自動圧縮サブセット枝刈り【JST・京大機械翻訳】

Ditschuneit Konstantin; Otterbach Johannes S.

プレプリント

J-GLOBAL ID：202202214475046875 整理番号：22P0280263

セマンティック画像セグメンテーションのための自動圧縮サブセット枝刈り【JST・京大機械翻訳】

Auto-Compressing Subset Pruning for Semantic Image Segmentation

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 (2件)： ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年01月26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)

最先端の意味セグメンテーションモデルは,高いパラメータ数と遅い推論時間によって特徴付けられ,資源制約環境における展開に不適当である。この課題に取り組むために,新しいオンライン圧縮法としてAuto-Compressing Subset Pruning,acospを提案した。アコスのコアは,効果的な温度アニーリングスケジュールに基づくセグメンテーションモデルにおける各畳込みの個々のチャネルに対するチャネル選択メカニズムの学習から成る。訓練の始めに高容量モデルを提供する重要な相互作用と圧縮圧力を,保持チャネルに概念を圧縮するモデルを強制する。セグネットとpspnetアーキテクチャにアコスを適用し,キャンビド,都市,ボック,およびアデデータセット上で訓練するとき,その成功を示した。結果は,低圧縮比におけるセグメンテーションモデルの圧縮に対する既存のベースラインと競合し,高い圧縮比においてそれらを凌駕し,パラメータの93%以上を除去する場合でも許容できる結果を与えた。さらに,acospは概念的に単純であり,実装が容易であり,他のデータモダリティ,タスク,アーキテクチャに容易に一般化できる。著者らのコードは,ウルル{https://github.com/merantix/acosp}で利用可能である。【JST・京大機械翻訳】

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

医用画像処理 , 図形・画像処理一般

, ,

前のページに戻る