• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2020 年度 実施状況報告書

Neuro-Coding/Unificationを用いたCNNのコンパクト化

研究課題

研究課題/領域番号 19K12020
研究機関和歌山大学

研究代表者

和田 俊和  和歌山大学, システム工学部, 教授 (00231035)

研究期間 (年度) 2019-04-01 – 2022-03-31
キーワードREAP / Pruning Ratio Optimizer / Serialized Residual Net / Feature Sharing
研究実績の概要

すでに開発したNeuro Coding/Unificationをさらに発展させたReconstruction Aware Pruning:REAPは,層単位のDNN圧縮法としては,最も性能が良い圧縮法である.この手法は,すでに全結合層および畳み込み層への適用が完了しており,従来法と比べても高い圧縮性能を持つことが確認されている.しかし,この手法を実際のDNNに適用するには,次の2つの問題がある.①REAPが総単位の圧縮法であるが故に,どの層をどの程度圧縮すれば全体に与える影響を最小化しつつ,圧縮による計算量を大きく削減することができるかが分かっていない,②ResNetに含まれるような分岐を持つ層はREAPで圧縮することができない.これら2点に関する研究を主に行なった.
①に関しては,まず,各層で数個の異なる圧縮率を指定して,REAPを適用した後に,最終層での誤差を評価し,どの層をどの程度圧縮すると,誤差がどの程度大きくなるかを表すグラフを内挿によって求める.このグラフを参照し,指定した許容誤差以下で最も圧縮率が高くなる,あるいは計算量が小さくなるように,各層の圧縮率を決定するPruning Ratio Optimizer: PROを提案した.②に関しては,ResNetを対象として,分岐をなくした上で再学習を行い,その上でREAPを適用する Serialized Residual Net:SRN を提案した.①及び②を用いることにより,REAPを実用的なネットワークに適用することができるようになり,DNNモデルのサイズを削減して,軽量かつ高速なモデルの作成が行えることを確認した.
これら以外に,複数のDNNを並列的に動作させる際の圧縮法として,異なるDNN間で特徴マップを共有する Feature Sharingに関する研究を行なった.

現在までの達成度 (区分)
現在までの達成度 (区分)

1: 当初の計画以上に進展している

理由

当初の計画では,層単位の圧縮法を開発することを目的としていたが,今年度の研究成果①と②によって,ネットワーク全体の最適な圧縮を行うことができるようになり,しかも,幅広く用いられているResNetのような分岐を含むネットワークも扱えるようになった.また,Feature Sharingについても研究を行い,特にモデルサイズの削減にとって有効であることを示した.

今後の研究の推進方策

今後は,REAPだけでなく,PRO及びSRNの技術を全て使い,実用的なネットワークを圧縮して,社会実装を行うことを目的として研究を行う.当面の目標としては,画像からの物体検出に用いられるCenterNetを対象にして,スマートフォン及びJetson Nano上での実行を行い,圧縮の有無による速度・精度の性能評価を行い,可能な範囲で共同研究先と協力して社会実装を行う.

次年度使用額が生じた理由

当初予定していた出張がCoVID19蔓延のため,中止,あるいはリモート開催となったこと,及び,予定していた出版が年度内に行えなかったため,次年度使用額が発生した.次年度では,電子情報通信学会英文誌への論文掲載料と,学会参加費,及び記録媒体などの消耗品費として使用する予定である.

  • 研究成果

    (4件)

すべて 2021 2020

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (2件) 産業財産権 (1件)

  • [雑誌論文] REAP: A Method for Pruning Convolutional Neural Networks with Performance Preservation2021

    • 著者名/発表者名
      Koji Kamma, Toshikazu Wada
    • 雑誌名

      IEICE Transactions on Information and Systems

      巻: E104.D ページ: 194-202

    • DOI

      10.1587/transinf.2020EDP7049

    • 査読あり / オープンアクセス
  • [学会発表] Feature Sharing: 特徴マップの共有による複数DNNの統合2021

    • 著者名/発表者名
      磯田雄基, 和田俊和
    • 学会等名
      研究報告コンピュータビジョンとイメージメディア(CVIM)
  • [学会発表] Serialized Residual Network2020

    • 著者名/発表者名
      Koji Kamma, Toshikazu Wada
    • 学会等名
      MIRU 2020 (Short Oral Session)
  • [産業財産権] 特許出願2020

    • 発明者名
      和田俊和、菅間幸司
    • 権利者名
      和歌山大学
    • 産業財産権種類
      特許
    • 産業財産権番号
      特願2020-123973

URL: 

公開日: 2021-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi