講演抄録/キーワード |
講演名 |
2019-11-14 10:05
AIエッジコンピューティング向けDNNアクセラレータ ○中原康宏・千竈順太郎・尼崎太樹(熊本大)・趙 謙(九工大)・飯田全広(熊本大) RECONF2019-38 |
抄録 |
(和) |
画像認識で用いられる人工知能の一種である畳み込みニューラルネットワーク(CNN: Convolutional
Neural Network) は,高い精度で画像を認識できるため様々な分野で注目されている.しかし,規模の大きなCNN は
計算コストが高く,消費電力の関係で組込み機器で処理することは難しい.そのため,組込み機器でも低消費電力で
CNN を処理するためのAI チップが多く開発されている.これらのAI チップはCNN がもつ畳み込み層,全結合層の
どちらかだけを効率よく処理するものが多く,両方を高効率で処理することは難しい.そこで,我々はCNN の両方
の層を効率よく処理可能なAI チップを提案する. |
(英) |
Convolutional Neural Network (CNN), a kind of artificial intelligence for image recognition, is used in
various fields because it can recognize images of high accuracy. However, a large-scale CNN has as an high calcula-
tion cost, and it is difficult to treat for an embedded device because of power consumption.Many AI chips have been
developed to process CNNs with low power consumption in embedded devices. Many of these AI chips efficiently
process only convolutional layer or full connected layer, . In this paper, we propose an AI chip that can efficiently
process both layers of CNN. |
キーワード |
(和) |
深層学習 / 畳み込みニューラルネットワーク / AI チップ / / / / / |
(英) |
DeepLearning / Convolutional Neural Network / AI Chip / / / / / |
文献情報 |
信学技報, vol. 119, no. 287, RECONF2019-38, pp. 15-20, 2019年11月. |
資料番号 |
RECONF2019-38 |
発行日 |
2019-11-07 (RECONF) |
ISSN |
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 |
RECONF2019-38 |