文献

J-GLOBAL ID：202202230830250778   整理番号：22A0696776

深い残差ネットワーク用の軽量エンコーダ・ボーイングデコーダ・パス【JST・京大機械翻訳】

A Lightweight Encoder-Decoder Path for Deep Residual Networks

著者 (7件)： Jin Xin (Megvii Research Nanjing, Megvii Technology, Nanjing, China) ,  Xie Yanping (MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, College of Computer Science and Technology, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Wei Xiu-Shen (PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, Nanjing University of Science and Technology, Nanjing, China) ,  Zhao Bo-Rui (Megvii Research Nanjing, Megvii Technology, Nanjing, China) ,  Zhang Yongshun (National Key Laboratory for Novel Software Technology, Nanjing University, Nanjing, China) ,  Tan Xiaoyang (MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, College of Computer Science and Technology, Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Yu Yang (Polixir Technologies Ltd., Nanjing, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 2  ページ： 866-878  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,深い残留ニューラルネットワークの新しい軽量経路を提示した。提案手法は,単純なプラグアンドプレイモジュール,すなわち,元の残留ビルディングブロックに対する拡張経路として,畳込み符号器(ED)を一体化した。抽象設計と符号化段階の能力により,復号器部分は,高度に意味的に関連する応答が活性化される特徴マップを生成する傾向があり,一方,無関係な応答が抑制される。単純な要素ワイズ加算操作によって,同一性ショートカットとオリジナルの変換ブランチに由来する学習表現を,著者らのED経路によって強化した。さらに,元の変換ブランチにおけるチャネルの一部を除去することにより軽量の対応物を利用した。幸いことに,著者らの軽量処理は明白な性能低下を引き起こさないが,計算経済をもたらす。ImageNet,MS-COCO,CUB200-2011,およびCIFARに関する包括的実験を行うことによって,著者らは,種々の残留アーキテクチャのための著者らのED経路によって得られた一貫した精度利得を,同等またはより低いモデル複雑性で実証した。具体的には,それは,ResNet-50とResNet-101のトップ-1誤差をImageNet分類のタスクで1.22%と0.91%減少させ,MS-COCOオブジェクト検出タスクにおいて,ResNet-101による高速R-CNNのmmAPを2.5%だけ増加させた。コードはhttps://github.com/Megvii-Nanjing/ED-Netで利用可能である。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 符号化 ,  学習 ,  *ネットワーク ,  ニューラルネットワーク ,  復号器 ,  *残差 ,  *符号器 ,  畳込み符号 ,  利得 ,  加算 ,  性質 ,  チャネル ,  計算機アーキテクチャ
準シソーラス用語： ビルディングブロック ,  物体検出 ,  複雑性 , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (6件)： 残差 ,  軽量 ,  エンコーダ ,  ボーイング ,  デコーダ ,  パス