@techreport{oai:ipsj.ixsq.nii.ac.jp:00210440,
 author = {川上, 大輝 and 渡邉, 寛悠 and 松谷, 宏紀 and Hiroki, Kawakami and Hirohisa, Watanabe and Hiroki, Matsutani},
 issue = {40},
 month = {Mar},
 note = {近年，画像認識の分野では深層ニューラルネットワークの層を深くすることによって高い精度を実現している．しかし，エッジデバイスには計算リソースの制限があり，大規模なニューラルネットワークを用いることは難しい．また，深層学習の課題にドメインシフトがあり，これに適応させるドメイン適応という技術がある．これらの背景をもとに，本研究ではエッジデバイスとして小規模 FPGA（Field-Programmable Gate Array）を用いることを前提としたドメイン適応手法を提案する．モデルに小規模 FPGA に実装可能な Neural ODE を用いており，学習に蒸留を用いている．評価の 1 つとして，1 桁の数字が描かれたデータセットを用いたところ，教師モデルから 1 つ目の生徒モデルへの精度向上が 9.9%，1 つ目の生徒モデルから 2 つ目の生徒モデルへの精度向上が 1.4% となった．提案手法は，パラメータ数を削減することによって小規模 FPGA に一部オフロードを可能としつつ，ドメイン適応によって精度の向上が見られた．},
 title = {Neural ODEを用いたエッジデバイス向けドメイン適応手法},
 year = {2021}
}