モデルスケーリングによる組込向けCNNの構築

カテゴリ: 全国大会

論文No: 4-170

グループ名: 【全国大会】令和5年電気学会全国大会論文集

発行日: 2023/03/01

タイトル(英語): Model scaling to build embedded CNNs

著者名: 野間拓耶（富士電機）,能登大輔（富士電機）,浅野貴正（富士電機）

著者名(英語): Takuya Noma (Fuji Electric),Daisuke Noto (Fuji Electric),Takamasa Asano (Fuji Electric)

キーワード: 畳み込みニューラルネットワーク|モデルスケーリング|画像認識|Convolutional neural network|Model scaling|image recognition

要約(日本語): 畳み込みニューラルネットワーク（CNN）を組込機器に実装するためには，計算リソースに合わせてモデルを設計する必要がある。しかしながら，明確な設計方法は確立されておらず，技術者の経験やスキルに依存するため，自動的に最適なモデルを構築する技術の開発が求められている。 CNNの1つであるEfficientNetでは，「層数d/チャネル数w/解像度r」をバランス良く拡大するスケーリングルールを提案し，効率的に性能を向上させている。このルールにより，指定した計算リソース内で性能が最大化するモデルを自動的に構築する。

本誌掲載ページ: 292-293 p

原稿種別: 日本語

PDFファイルサイズ: 663 Kバイト