| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2018-12-07 10:30 Depth画像を用いたハードウェア指向一般物体認識ニューラルネットワーク ○吉元裕真・田向 権（九工大）  SIS2018-32 |
|
| 抄録 | （和） | 近年，一般物体認識の為の強力な手法としてConvolutional Neural Network (CNN)が注目を集めている． 一般物体認識とは，実世界シーンの画像に含まれる物体を一般的な名称で認識するタスクであり， CNNを用いた高精度な一般物体認識アルゴリズムは，家庭用ロボットや組込みシステム等への導入が期待されている． これらの導入先では実時間処理が求められるが，ソフトウェアのみで実時間処理を行うことは難しい． そこで専用のハードウェアアーキテクチャによる高速化が必要不可欠である. アルゴリズムを搭載可能なハードウェアとして，内部回路を書き換え可能なハードウェアであるField Programmable Gate Array (FPGA)が挙げられる． しかし，計算資源の制約から既存のアルゴリズムをそのままFPGAへ搭載することは難しい． そこで本研究では，新しいハードウェア指向一般物体認識ニューラルネットワークである，Binarized Dual Stream VGG-16（BDS-VGG16）を提案する． BDS-VGG16は，高精度な一般物体認識ニューラルネットワークの一つであるDual Stream VGG-16 (DS-VGG16)をベースとする． DS-VGG16は，物体認識で一般的に用いられるRGB画像だけではなく，Depth画像を併用することで，高精度な認識を実現している． DS-VGG16にBinarized Neural Network (BNN)の手法を取り入れ，ニューラルネットワークの順伝播時の結合荷重と，活性化関数の出力を2値化することでハードウェア指向化する． 実験から，BDS-VGG16はDS-VGG16と比べ，0.7ポイントの精度低下に抑えられることが分かる．また，DS-VGG16では約4600万回必要だった乗算を，BDS-VGG16では0回にまで削減することが可能である． |
| （英） | In recent years, deep learning using Convolutional Neural Network (CNN) has attracted attention as a powerful method for general object recognition. General object recognition is a task for recognizing objects from pictures of a real-world as a general name. General object recognition algorithm is required for service robots or embedded systems. In these cases, real-time processing is required, however, real-time processing by software is difficult. Therefore, high-speed operation by hardware is required. A Field Programmable Gate Arrays (FPGA) is a high-performance device with low-power consumption. To implement an algorithm into FPGAs, a hardware-oriented algorithm is required to reduce hardware resource utilization, because the resources of FPGA are limited. In this paper, we propose a dq{Binarized Dual Stream VGG-16 (BDS-VGG16)} which is one of the binarized convolutional neural networks using Binarized Neural Network (BNN) as a hardware-oriented algorithm for FPGA implementation. The proposed network is based on a Dual Stream VGG-16 (DS-VGG16) which realizes high accuracy by using RGB images and Depth images. The BDS-VGG16 is a combination of the DS-VGG16 and a Binarized Neural Network (BNN). In the experimental results show that the proposed algorithm is high accuracy. Also, the proposed method is efficient for FPGA implementation because the BDS-VGG16 completely remove the multipliers from the ordinary algorithm: therefore, the proposed algorithm can be implemented without multipliers. |
|
| キーワード | （和） | 一般物体認識 / FPGA / CNN / Depth画像 / / / / |
| （英） | Generic Object Recognition / FPGA / CNN / Depth Images / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 346, SIS2018-32, pp. 55-60, 2018年12月. | |
| 資料番号 | SIS2018-32 | |
| 発行日 | 2018-11-29 (SIS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SIS2018-32 |
|
| 研究会情報 | |
| 研究会 | SIS |
| 開催期間 | 2018-12-06 - 2018-12-07 |
| 開催地（和） | 萩市民館 |
| 開催地（英） | Hagi Civic Center |
| テーマ（和） | スマートパーソナルシステム,一般 |
| テーマ（英） | Smart Personal Systems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2018-12-SIS |
| 本文の言語 | 日本語 |
| タイトル（和） | Depth画像を用いたハードウェア指向一般物体認識ニューラルネットワーク |
| サブタイトル（和） | |
| タイトル（英） | Hardware Oriented Object Recognition Neural Network using Depth Image |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 一般物体認識 / Generic Object Recognition |
| キーワード(2)（和/英） | FPGA / FPGA |
| キーワード(3)（和/英） | CNN / CNN |
| キーワード(4)（和/英） | Depth画像 / Depth Images |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 吉元 裕真 / Yuma Yoshimoto / ヨシモト ユウマ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KIT) |
| 第2著者 氏名（和/英/ヨミ） | 田向 権 / Hakaru Tamukoh / タムコウ ハカル |
| 第2著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： KIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2018-12-07 10:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2018-32 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.346 |
| ページ範囲 | pp.55-60 |
| ページ数 | 6 |
| 発行日 | 2018-11-29 (SIS) |
[研究会発表申込システムのトップページに戻る]