DCTの特性を利用した畳み込みニューラルネットワークの軽量化

Research Project

Project/Area Number	23K11144
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61010:Perceptual information processing-related
Research Institution	Tokyo Institute of Technology
Principal Investigator	伊藤泉東京工業大学, 工学院, 助教 (90583435)
Project Period (FY)	2023-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000) Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Keywords	畳み込みニューラルネットワーク / 離散コサイン変換 / 高速化 / 量子化
Outline of Research at the Start	深層学習の研究開発及び運用には，膨大な電力を使用することが近年問題となっている．本研究では，畳み込みニューラルネットワーク（CNN）を用いたモデルの開発及び運用時の電力の低減を目的とする．この目的のため，離散コサイン変換（DCT）の特性を利用して，大規模なCNNに内在する冗長性を排除し，学習・推論時の膨大な演算量，及びメモリ使用量を大幅に削減する手法を解明する．本研究により，CNNの学習・推論が，低消費電力で，かつ高速に実行できるため，エッジAIへの応用が期待できる．