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。
品質検査は,最近,大規模製造業において重要になった。ヒューマンエラーを減らすために,そのような欠陥製品を同定するために,効率的で低い計算AIアルゴリズムを使用することが不可欠になった。本論文では,欠陥鋳造製品の検出において,モデルサイズ,性能およびCPU待ち時間を用いて,様々な事前訓練およびカスタム構築アーキテクチャを比較し,対比した。その結果,カスタムアーキテクチャは事前訓練モバイルアーキテクチャよりも効率的であることを示した。さらに,カスタムモデルは,MobileNetV2やNasNetのような軽量モデルよりも6から9倍高速である。訓練パラメータの数とカスタムアーキテクチャのモデルサイズは,MobileNetV2とNasNetのような最良性能モデルよりも有意に低かった(それぞれ386倍と119倍)。また,モデルをよりロバストで一般化できるように,カスタムアーキテクチャに関して,拡張実験を行った。本研究は,EdgeとIoTデバイスへの展開のためのこれらの特注アーキテクチャの効率に光を当て,移動学習モデルは常に理想的ではないかもしれない。代わりに,それらは,データセットの種類と手での分類問題に特異的であるべきである。【JST・京大機械翻訳】