画像識別CNNモデルのAMCによる圧縮における再接続の有効性検証

• Item type: Journal(1)
• 公開日: 2022-06-15
• タイトル: 画像識別CNNモデルのAMCによる圧縮における再接続の有効性検証
• タイトル / 言語: en
• タイトル: A Study on the Effectiveness of Grow-operation for Compressing CNN by AMC
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文(テクニカルノート)] モデル圧縮，枝刈り，画像分類，強化学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00218421
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 信州大学大学院総合理工学研究科
• 著者所属: 信州大学大学院総合理工学研究科
• 著者所属: 信州大学大学院総合理工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Shinshu University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Shinshu University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Shinshu University
• 著者名: 藤川, 拓磨; 丸山, 稔; 宮尾, 秀俊
• 著者名(英): Takuma, Fujikawa; Minoru, Maruyama; Hidetoshi, Miyao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 画像識別モデルをエッジデバイスで動作させるためには，演算時間やメモリ量の削減が課題となる．このため，モデル圧縮手法が注目されている．AMCは自動でモデル圧縮を行う手法である．ただし，従来のAMCは削除のみを考慮していた．このとき，チャンネル単位で圧縮されたパラメータを再接続することで，モデル圧縮における精度の低下を抑制することが期待できる．そこで本論文では，AMCに対し，再接続を含めた探索を行うように拡張することで，強化学習ベースの圧縮手法における再接続の有効性を検証する．実験ではImageNet上のMobileNetを対象とした圧縮を行い手法の有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: CNN has been successfully applied to many vision tasks such as image classification. In order to run the CNN model on edge devices, it is often required to compress the model. To overcome the difficulties associated with the hand-crafted model compression, automated techniques has been studied. AMC is the reinforcement-learning based automated method, which can provide compression policy. To derive the policy, AMC only considers dropping the connections. In this paper we show AMC can be improved by considering not only dropping but also growing operations. We show effectiveness of our method by compressing MobileNet on the ImageNet-2012 dataset.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 63, 号 6, p. 1309-1314, 発行日 2022-06-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764