Neural ODEを用いたエッジデバイス向けドメイン適応手法

• Item type: SIG Technical Reports(1)
• 公開日: 2021-03-18
• タイトル: Neural ODEを用いたエッジデバイス向けドメイン適応手法
• タイトル / 言語: en
• タイトル: A Neural ODE Based Domain Adaptation Method for Edge Devices
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学理工学部
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学理工学部／慶應義塾大学大学院理工学研究科
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Technology, Keio University / Graduate School of Science and Technology, Keio University
• 著者名: 川上, 大輝; 渡邉, 寛悠; 松谷, 宏紀
• 著者名(英): Hiroki, Kawakami; Hirohisa, Watanabe; Hiroki, Matsutani
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12149313
• 書誌情報: 研究報告組込みシステム（EMB）; 巻 2021-EMB-56, 号 40, p. 1-6, 発行日 2021-03-18
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-868X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会