|
近年，畳み込みニューラルネットワーク(CNN)によってコンピュータによる物体認識技術は人間と同等の精度を実現できるようになった．CNNは特徴を抽出する役割をもつ畳み込み層を重ねることで高精度な画像認識を実現しているが，高精度なCNNを利用するために必要な計算量や記憶容量も増大しているため，計算資源が限られているデバイス上にCNNを組み込むことは困難であるという問題があり，近年では様々なエッジデバイスにAIを組み込みリアルタイムで動作させたいという需要が増えてきている．そこでこの問題を解決するためにCNNの性能を維持したまま計算量やパラメータを削減するモデルの圧縮を提案した．
|
