Convolutional Neural Networkのハードウェア化に関する量子化手法の改良

カテゴリ: 部門大会

論文No: PS6-4

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Improvement of Quantization Method for Hardware Implementation of Convolutional Neural Network

著者名: 原 和希（千葉大学）,中間 公啓（千葉大学）,小圷 成一（千葉大学）

著者名(英語): Kazuki Hara (Chiba University),Kimihiro Nakama (Chiba University),Seiichi Koakutsu (Chiba University)

キーワード: エッジコンピューティング|畳み込みニューラルネットワーク|DoReFa-NetDoReFa-Net|Edge Computing|Convolutional Neural Network|DoReFa-Net

要約(日本語): 近年，Internet of Tings（IoT）が普及しつつある。しかし, それに伴いサーバ負荷の増大という問題が生じる。この問題に対し, エッジコンピューティングが注目されている。エッジコンピューティングの一種として, Convolutional Neural Network（CNN）を，モデル圧縮技術を用いてField Programmable Gate Array（FPGA）に搭載する試みが行われている。また, モデル圧縮技術の一つとして，パラメータを任意のビット数で量子化するDoReFa-Netが報告されている。本研究では， DoReFa-Netにおけるアルゴリズムの改良とその学習性能の検証を目的とし，DoReFa-Netを適用したCNNのFPGA実装を行い，画像分類タスクに対する回路シミュレーションを通じてその有効性を検証する。