お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2021-03-29 15:40
Depthwise Separable Convolutionを適用した省パラメータな3DCNN
伊藤功騎中野秀洋宮内 新東京都市大CCS2020-27
抄録 (和) Convolutional Neural Network(CNN)は画像,音声等様々な分野で成果を挙げている.近年,2Dの画像の他に3Dの動画像の分野でも用いられるようになった.しかし,これらの3次元CNNアーキテクチャは特定のタスクの最高精度を競う形で進化していったモデルであり,計算量やパラメータ数に関してはあまり議論されていない.この事実が3次元CNNの応用の障害になっている.
本研究では,3Dの情報を扱うネットワークの中でも,パラメータ数を大幅に削減でき,なおかつ認識精度にも大きな違いが見られない3次元CNNアーキテクチャを提案する.動画内の人物の動作を認識するタスクで実験したところ,94.6%のパラメータ数削減に成功した. 
(英) Convolutional Neural Networks (CNNs) have been used in various fields such as image and speech. In recent years, CNNs have been used not only for 2D images but also for 3D video images.
However, these 3-Dimensional CNN (3DCNN) architectures are models that have evolved to compete for the highest accuracy in specific tasks, and the computational complexity and number of parameters have not been discussed so far. This fact has become an obstacle to the application of 3DCNNs.
In this paper, we propose a 3DCNN architecture that can drastically reduce the number of parameters and still maintain the same recognition accuracy among networks that handle 3D information. In our experiments, we have succeeded in reducing the number of parameters by 94.6% in the task of human action recognition.
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 / 人物行動推定 / Depthwise Separable Convolution / / / /  
(英) Deep Learning / Convolutional Neural Network / Human Action Recognition / Depthwise Separable Convolution / / / /  
文献情報 信学技報, vol. 120, no. 438, CCS2020-27, pp. 37-41, 2021年3月.
資料番号 CCS2020-27 
発行日 2021-03-22 (CCS) 
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 CCS2020-27

研究会情報
研究会 CCS  
開催期間 2021-03-29 - 2021-03-29 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 一般 
テーマ(英) etc. 
講演論文情報の詳細
申込み研究会 CCS 
会議コード 2021-03-CCS 
本文の言語 日本語 
タイトル(和) Depthwise Separable Convolutionを適用した省パラメータな3DCNN 
サブタイトル(和)  
タイトル(英) A 3DCNN with Reduced Parameters Using Depthwise Separable Convolution 
サブタイトル(英)  
キーワード(1)(和/英) 深層学習 / Deep Learning  
キーワード(2)(和/英) 畳み込みニューラルネットワーク / Convolutional Neural Network  
キーワード(3)(和/英) 人物行動推定 / Human Action Recognition  
キーワード(4)(和/英) Depthwise Separable Convolution / Depthwise Separable Convolution  
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) 伊藤 功騎 / Koki Ito / イトウ コウキ
第1著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
第2著者 氏名(和/英/ヨミ) 中野 秀洋 / Hidehiro Nakano / ナカノ ヒデヒロ
第2著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
第3著者 氏名(和/英/ヨミ) 宮内 新 / Arata Miyauchi / ミヤウチ アラタ
第3著者 所属(和/英) 東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: Tokyo City Univ.)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-03-29 15:40:00 
発表時間 25分 
申込先研究会 CCS 
資料番号 CCS2020-27 
巻番号(vol) vol.120 
号番号(no) no.438 
ページ範囲 pp.37-41 
ページ数
発行日 2021-03-22 (CCS) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会