重みカーネルごとのプルーニングにおける精度向上手法の検討

カテゴリ: 全国大会

論文No: 3-084

グループ名: 【全国大会】令和4年電気学会全国大会論文集

発行日: 2022/03/01

タイトル(英語): A Study of Optimal Weight Kernels Pruning

著者名: 直井駿一（東京都市大学）,瀬戸謙修（東京都市大学）

著者名(英語): Shunichi Naoi (Tokyo City University),Kenshu Seto (Tokyo City University)

キーワード: 深層学習|画像認識|畳み込みニューラルネットワーク|枝刈り|非構造的枝刈り|Deep Learning|Image Recognition|Convolutional Neural Network|Pruning|Unstructured Pruning

要約(日本語): 大規模化している畳込み畳み込みニューラルネットワーク（CNN）においては，組み込みシステム上に実装するために軽量化が必要となる。本研究ではCNN内の重みを一部0にするPruningにより軽量化を図る。0とする重みは重みカーネルごとに絶対値の総和を算出し，層ごとに最大値に対して一定の割合の値以下を0にする。またパラメータ削減による過学習抑制のため突然変異を導入する。突然変異の確率を0.1％とした場合，削減率85％程度までは認識精度が突然変異を導入しないものより1％程の上昇を確認した。

本誌掲載ページ: 143-145 p

原稿種別: 日本語

PDFファイルサイズ: 388 Kバイト