지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.1
- 수록면
- 141 - 144 (4page)
이용수
초록· 키워드
오류제보하기
Convolutional neural networks (CNNs) show high performance in computer vision tasks including object detection, but a lot of weight storage and computation is required. In this paper, a pruning scheme is applied to CNNs for object detection, which can remove much amount of weights with a negligible performance degradation. Contrary to the previous ones, the pruning scheme applied in this paper considers the base accelerator architecture. With the consideration, the pruned CNNs can be efficiently performed on an ASIC or FPGA accelerator. Even with the constrained pruning, the resulting CNN shows a negligible degradation of detection performance, less-than-1% point degradation of mAP on VOD0712 test set. With the proposed scheme, CNNs can be applied to objection dtection efficiently.
목차
ABSTRACT
Ⅰ. 서론
Ⅱ. 객체 검출과 합성곱 신경망
Ⅲ. 신경망의 가지치기
Ⅳ. 가속 회로 인지형 가지치기
Ⅴ. 실험 결과
Ⅵ. 결론
REFERENCES
참고문헌 (9)
참고문헌 신청
K. Simonyan, and A. Zisserman, “Very deep convolutional networks for large-scale image recognition,” in Proceedings of International Conference on Learning Representations, pp. 1-14, 2015.
W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.-Y. Fu, and A. C. Berg, “SSD: Single shot multibox detector,” in Proceedings of European Conference on Computer Vision, pp. 21-37, 2016.
S. Han, J. Pool, J. Tran, and W. J. Dally, “Learning both weights and connections for efficient neural networks,” in Proceedings of Advances in Neural Information Processing Systems, pp. 1135-1143, 2015.
W. Wen, C. Wu, Y. Wang, Y. Chen, and H. Li, “Learning structured sparsity in deep neural networks,” in Proceedings of Advances in Neural Information Processing Systems, pp. 2074-2082, 2016.
Y. He, X. Zhang, and J. Sun, “Channel pruning for accelerating very deep neural networks,” in Proceedings of International Conference on Computer Vision, pp. 1398- 1406, 2017.
W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.-Y. Fu, and A. C. Berg, “SSD: Single shot multibox detector,” in Proceedings of European Conference on Computer Vision, pp. 21-37, 2016.
S. Han, J. Pool, J. Tran, and W. J. Dally, “Learning both weights and connections for efficient neural networks,” in Proceedings of Advances in Neural Information Processing Systems, pp. 1135-1143, 2015.
W. Wen, C. Wu, Y. Wang, Y. Chen, and H. Li, “Learning structured sparsity in deep neural networks,” in Proceedings of Advances in Neural Information Processing Systems, pp. 2074-2082, 2016.
Y. He, X. Zhang, and J. Sun, “Channel pruning for accelerating very deep neural networks,” in Proceedings of International Conference on Computer Vision, pp. 1398- 1406, 2017.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥 뉴럴 네트웨크에서 Data Sparsity 향상 방법
대한전자공학회 학술대회
2018 .06
-
Two-stage Detection with Yolov5 based on Structured Neural Network Pruning
한국재활복지공학회 학술대회 논문집
2021 .11
-
A Study of Structured Pruning for Hybrid Neural Networks
제어로봇시스템학회 국제학술대회 논문집
2024 .10
-
Efficient Performance Prediction via Regression for Joint Channel and Weight Pruning
제어로봇시스템학회 국제학술대회 논문집
2024 .10
-
심층 신경망에서의 효율적이고 안정적인 Pruning 기법에 대한 연구
한국통신학회 학술대회논문집
2019 .06
-
합성곱 신경망 모델의 가지치기 알고리즘 분석 기법
한국정보과학회 학술발표논문집
2022 .06
-
불순도 기반 딥러닝 CNN 모델 최적 가지치기 레이어 검출 방법
대한전자공학회 학술대회
2022 .06
-
Node Pruning for Improved Neural Network Design
Proceedings of KIIT Conference
2018 .11
-
로봇 임베디드 시스템에서 리튬이온 배터리 잔량 추정을 위한 신경망 프루닝 최적화 기법
로봇학회 논문지
2023 .03
-
커널 프루닝을 위한 필터 프루닝 기반의 레이어 민감도 측정 기법
대한전자공학회 학술대회
2021 .06
-
Effective Methods of Neural Network Pruning in Processing-In-Memory Architecture
제어로봇시스템학회 국제학술대회 논문집
2024 .10
-
Pruning 기반 알고리즘 경량화 기법의 성능 최적화 연구 동향
대한전자공학회 학술대회
2024 .11
-
심층 신경망에서의 Accuracy 향상을 위한 Filter Pruning 기법에 대한 연구
대한전자공학회 학술대회
2020 .08
-
Pruning Method Using Correlation of Weight Changes and Weight Magnitudes in CNN
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2018 .12
-
뉴럴 네트워크 채널 Pruning을 통한 Inference 성능 변화 분석 및 최적화
한국정보과학회 학술발표논문집
2020 .07
-
Semantic Segmentation 네트워크 구조와 Channel Pruning 간 상관관계를 고려한 네트워크 경량화 기법
대한전자공학회 학술대회
2023 .06
-
EPI 기반 구조화된 가지치기를 위한 최적 파라미터 분석
제어로봇시스템학회 논문지
2023 .12
-
가속 회로에 적합한 CNN의 Conv-XP 가지치기
한국정보통신학회논문지
2019 .01
-
최근 정보통신 기술 딥러닝과 Object Detection 과 Skeleton Pruning 을 통한 반려견 행동 파악 서비스에 관한 연구
한국통신학회 학술대회논문집
2018 .06
-
CNN Inference Accelerator Optimized for AI Applications for Object Detection
IDEC Journal of Integrated Circuits and Systems
2024 .07
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Analysis of design variables and performance parameters of hydrogen liquefaction process using machine learning
민성웅
,
무하마드 압둘 퀴엄
,
이문용
한국에너지학회 학술발표회
2021
.04
핵연료집합체 3 차원 축소모델 개발 및 모드해석
무하마드 수반
,
남궁인
대한기계학회 춘추학술대회
2021
.04
위상잠금 적외선열화상을 활용한 검출능 향상 이진화 메커니즘 연구
이승주
,
김원태
비파괴검사학회지
2021
.04
IoT-based Taking Medicine Automation System
Sun-Ok Kim
,
Eun-Jin Kwon
한국컴퓨터정보학회논문지
2021
.04
Dynamic Multichannel Access via Multi-agent Reinforcement Learning: Throughput and Fairness Guarantees
Muhammad Sohaib
,
Jongjin Jeong
,
Sang-Woon Jeon
한국통신학회 학술대회논문집
2021
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-004-000371368