研究課題
若手研究
本研究では，幅広い分野で活用されるDeep neural network（DNN）の学習における高速化について検討を行った．具体的には，DNNモデルの軽量化手法であるプルーニングや量子化と呼ばれるアルゴリズムに対して，計算機アーキテクチャの観点も踏まえた学習時にも活用できるDNN軽量化について検討を行った．検討の結果，プルーニングや量子化を基にした計算機アーキテクチャの恩恵をうけることが可能なアルゴリズムによってDNNの学習の高速化を実現できることを示した．
画像処理
本研究は， Deep neural network（DNN）の学習の高速化について検討をするものである．DNNは，画像処理分野では物体認識や超解像など様々なコンピュータビジョンにおけるタスクの更なる高精度化を実現している．DNNの活躍は画像処理分野だけにとどまらず，様々な研究領域での活用や産業界においても商用利用されている．本研究によって学習の高速化が実現でき，更なる活用の幅が広がるものである．
