文献

J-GLOBAL ID：202202283915223394   整理番号：22A0559949

DLNet:オンデバイスオブジェクト検出のためのドメイン固有軽量ネットワーク【JST・京大機械翻訳】

DLNet: Domain-specific Lightweight Network for On-Device Object Detection

著者 (3件)： Kang Seongju (Kwangwoon University,Dept. of Electronics and Communications Engineering,Seoul,Korea) ,  Hwang Jaegi (Kwangwoon University,Dept. of Electronics and Communications Engineering,Seoul,Korea) ,  Chung Kwangsue (Kwangwoon University,Dept. of Electronics and Communications Engineering,Seoul,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICOIN  ページ： 335-339  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 深層ニューラルネットワーク(DNN)は,多くのインテリジェントアプリケーションにおける重要技術の1つである。DNNモデルが多くのパラメータを持つので,それらは計算集約的タスクを実行するために機械を必要とする。したがって,DNNモデルを資源制約環境に適用することは難しい。本論文では,オンデバイス物体検出のためのドメイン固有軽量ネットワーク(DLNet)を提案した。あらゆるドメインは,ドメインにおいて高頻度の外観を持つオブジェクトを含むクラスグループを持つ。DLNetは各ドメインのクラスグループを検出するために訓練されるので,既存の検出モデルよりもより浅く,より狭くなる。したがって,著者らは,オブジェクト検出のパラメータと実行時間を減らすことができた。提案モデルの性能を評価するために,YOLOv3とTiny-YOLOとの比較実験を行った。精度と再現率は,YOLOv3とTiny-YOLOのものよりそれぞれ9.9%と14%高かった。結果は,DLNetが非GPUデバイスでより高い効率とより良い性能を達成することを示した。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： *ネットワーク ,  応用プログラム ,  比較試験
準シソーラス用語： 実行時間 ,  *物体検出 ,  再現率 ,  資源制約 ,  軽量 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ドメイン ,  固有 ,  軽量