@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00213001,
 author = {田中, 美帆 and 鈴木, 貴久 and 豊永, 慎也 and 松倉, 隆一},
 book = {マルチメディア，分散協調とモバイルシンポジウム2021論文集},
 issue = {1},
 month = {Jun},
 note = {機械学習の認識精度の向上により，日常のさまざまな場面で機械学習が用いられるようになってきた．例えば，道路や交差点に設置されるカメラにより，渋滞や事故などの状況を人間に代わって判断し，通知できる．しかしながら，GPU は高価であるため，GPU の処理を効率化して相対的にコストを下げることが重要となる．意味のあるイベントは頻繁には発生しないことに着目し，簡易な方法で認識結果を予測することで，変化の少ないフレーム画像の認識処理を回避・抑制する方式を提案した．実現における課題は次の 3 つである．(1) 前のフレーム画像と同じ推論結果が得られる画像 (類似画像) の簡易判定方法．(2) GPU の推論処理と競合しないシステム全体のスケジューリング．(3) GPU での推論処理の上限に合わせたフレーム画像数の調整，である．評価では，高速道路のカメラ画像 (25fps) から走行中の自動車台数を計測するケースを想定した．既存研究では，カメラ画像を 4fps に間引きし 4 並列で処理したが，本方式では 25fps のカメラ画像を類似度判定することができた．この結果，評価で利用したカメラ画像では，GPU 上での推論処理対象のフレームレートが 25pfs から 1.3fps に変換され，同時に 8 台のカメラ画像を処理可能であることが示された．全体として 12.5倍 (25fps を 8 並列, 200fps) の処理向上が得られた．},
 pages = {750--759},
 publisher = {情報処理学会},
 title = {事前予測による物体検出の推論実行効率化},
 volume = {2021},
 year = {2021}
}