@techreport{oai:ipsj.ixsq.nii.ac.jp:00240513,
 author = {安田, 瑞生 and 杉浦, 圭祐 and 松谷, 宏紀 and Mizuki, Yasuda and Keisuke Sugiura and Hiroki, Matsutani},
 issue = {31},
 month = {Nov},
 note = {Neural ODE を用いた FPGA 向けの低コストな点群処理用の深層学習モデルを提案する．エッジデバイス上で点群処理用の深層学習をするとき，ハードウェア性能が制限され，パラメータ数や推論時間が問題になりやすい．そこで，高効率な点群処理用の深層学習モデルである PointMLP に，常微分方程式を利用した近似手法である Neural ODE を応用して，さらにパラメータ数を削減する．Neural ODE は画像処理用のモデルに採用されてきた，連続する残差結合ブロックを 1 つの近似ブロックに置換する手法で，PointMLP の残差結合ブロックにも応用可能である．本論文では，PointMLP の連続する残差結合ブロックを近似ブロックに置換し，PointODE とした．これにより，パラメータ数を PointMLP の 0.37 倍に削減しつつ，精度低下 (OA) を 0.3%～0.9% に抑えた．さらに FPGA に実装しやすいように，PointODE にボトルネック構造を導入したモデル，PointODE-elite も提案する．PointODE-elite は PointODE の 0.12 倍のパラメータ数であり，パラメータ数を大きく削減している． PointODE からの精度低下も 0.1%～0.6% 程度であり，パラメータ数の削減に対して精度低下は小さい．また，PointODE-elite を FPGA に実装するための見積もりで，実行時間を 0.46 倍短縮した．},
 title = {Neural ODEを用いたFPGA向け低コスト点群深層学習},
 year = {2024}
}