| 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 | 2022-06-09 14:55 Octave Convolutionに基づく動的フィルタを用いたCNNの基本性能 ○的野聖貴・中野秀洋（東京都市大）  NLP2022-5 CCS2022-5 |
|
| 抄録 | （和） | 畳み込みニューラルネットワーク（CNN）の基本的な構成要素の1つである畳み込みに対して，コンテンツ適応型の動的フィルタを用いる手法が注目されている．また近年の CNN は, 大規模なネットワークの学習が容易になり, より性能を向上させることが出来るようになった．しかしその一方で, 大規模化による性能の向上は計算量の増加とのトレードオフとなる問題点を抱えている．本研究では，入力画像を高解像度と低解像度の各成分に分離し，それぞれに動的フィルタを適用する手法を提案する．提案手法は，認識率低下を抑えつつ計算量の削減を図ることができる． |
| （英） | The methods of using dynamic filters for convolutional neural networks (CNNs) have attracted attentions. In recent years, CNNs have become easier to train large networks, and their performance can be further improved. On the other hand, however, there is a trade-off between the performance improvement with larger networks and the increase in computational complexity. In this study, we propose a method to separate input images into high-resolution and low-resolution components and to apply a dynamic filter to each component. The proposed method can reduce the computational complexity while minimizing the degradation of recognition rate. | |
| キーワード | （和） | 畳み込みニューラルネットワーク / 動的フィルタ / octave convolution / / / / / |
| （英） | convolutional neural networks / dynamic filters / octave convolution / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 65, NLP2022-5, pp. 23-26, 2022年6月. | |
| 資料番号 | NLP2022-5 | |
| 発行日 | 2022-06-02 (NLP, 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 | NLP2022-5 CCS2022-5 |
|
| 研究会情報 | |
| 研究会 | CCS NLP |
| 開催期間 | 2022-06-09 - 2022-06-10 |
| 開催地（和） | 大阪大学 豊中キャンパス シグマホール |
| 開催地（英） | |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2022-06-CCS-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | Octave Convolutionに基づく動的フィルタを用いたCNNの基本性能 |
| サブタイトル（和） | |
| タイトル（英） | Basic Performance of CNNs Using Dynamic Filters Based on Octave Convolution |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 畳み込みニューラルネットワーク / convolutional neural networks |
| キーワード(2)（和/英） | 動的フィルタ / dynamic filters |
| キーワード(3)（和/英） | octave convolution / octave convolution |
| キーワード(4)（和/英） | / |
| 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） | 的野 聖貴 / Kiyotaka Matono / マトノ キヨタカ |
| 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） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-09 14:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2022-5, CCS2022-5 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.65(NLP), no.66(CCS) |
| ページ範囲 | pp.23-26 |
| ページ数 | 4 |
| 発行日 | 2022-06-02 (NLP, CCS) |
[研究会発表申込システムのトップページに戻る]