畳み込みニューラルネットワークにおけるカーネルの4近傍化

カテゴリ：部門大会

論文No：PS6-6

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：4-Nearest Neighbor of Kernels in Convolutional Neural Networks

著者名：山名 有希人（米子工業高等専門学校）,橋本 恭輔（米子工業高等専門学校）,内田 雅人（米子工業高等専門学校）

著者名(英語)： Yukito Yamana (National Institute of Technology, Yonago College Department of Integrated Engineering),Kyosuke Hashimoto (National Institute of Technology, Yonago College Advanced Course),Masato Uchida (National Institute of Technology, Yonago College Department of Integrated Engineering)

キーワード：畳み込みニューラルネットワーク,構造化枝刈り,機械学習機械学習,Convolutional Neural Networks,Structured pruning,Machine Learning

要約(日本語)：画像認識の分野で広く用いられる深層学習モデルとして，畳み込みニューラルネットワーク（CNN）がある．CNNは画像認識で優れた性能を持っているが，性能を上げるほど計算量やメモリ使用量が大きくなる．CNNの精度を維持しつつ計算量を削減することで少資源なデバイスでの実装などが期待される．
本研究ではCNNの軽量化手法として，畳み込み層におけるカーネルの4近傍化を提案する．4近傍化は3×3カーネルの四隅の重みを削減することで，ハイパーパラメータの追加などをすることなく，構造的にCNNを軽量化できる．提案手法の検証としてVGG16，ResNet34/50をMNIST，Fashion-MNIST，CIFAR-10で学習した．その結果，正答率は提案手法の適用前，適用後で大きな差は見られず，一般的な学習モデルと比較して同等の性能を維持していることが確認でき，提案手法の有効性が示された．

本誌掲載ページ：1640-1642p

原稿種別：日本語

PDFファイルサイズ：324Kバイト