{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00213001","sets":["6164:6165:6640:10712"]},"path":["10712"],"owner":"44499","recid":"213001","title":["事前予測による物体検出の推論実行効率化"],"pubdate":{"attribute_name":"公開日","attribute_value":"2021-06-23"},"_buckets":{"deposit":"2d8db46a-b19f-49ac-b20b-e28c6ca64309"},"_deposit":{"id":"213001","pid":{"type":"depid","value":"213001","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"事前予測による物体検出の推論実行効率化","author_link":["544262","544261","544263","544264"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"事前予測による物体検出の推論実行効率化"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"AI","subitem_subject_scheme":"Other"}]},"item_type_id":"18","publish_date":"2021-06-23","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"富士通株式会社"},{"subitem_text_value":"富士通株式会社"},{"subitem_text_value":"富士通株式会社"},{"subitem_text_value":"富士通株式会社"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/213001/files/IPSJ-DICOMO2021103.pdf","label":"IPSJ-DICOMO2021103.pdf"},"date":[{"dateType":"Available","dateValue":"2023-06-23"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2021103.pdf","filesize":[{"value":"2.0 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"dbb76bcb-5cdd-4298-87d2-83d53d4f2bfa","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2021 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"田中, 美帆"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"鈴木, 貴久"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"豊永, 慎也"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"松倉, 隆一"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"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．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"759","bibliographic_titles":[{"bibliographic_title":"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"}],"bibliographicPageStart":"750","bibliographicIssueDates":{"bibliographicIssueDate":"2021-06-23","bibliographicIssueDateType":"Issued"},"bibliographicIssueNumber":"1","bibliographicVolumeNumber":"2021"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":213001,"updated":"2025-01-19T17:18:26.537919+00:00","links":{},"created":"2025-01-19T01:13:55.174193+00:00"}