第53回 コンピュータビジョン勉強会@関東(前編)の発表資料。
https://kantocv.connpass.com/event/133346/
"An Energy and GPU-Computation Efficient Backbone Network
for Real-Time Object Detection"の紹介
2018年11月3日にパナソニックスタジアム吹田で開催されたイベント「JAWS FESTA 2018 OSAKA ~Passionate~」のセッション「AWSとDockerで実現するAI研究のためのPipeline as Code」で使った資料です。
来栖川電算ではAWS BatchやAmazon SageMaker的なことをオンプレ環境やハイブリッドクラウド環境で実現し、その上で研究プロエスをコード化しているという話です。研究プロセスを工夫すればもっと良い成果がだせるようになるはずです。
2018年11月3日にパナソニックスタジアム吹田で開催されたイベント「JAWS FESTA 2018 OSAKA ~Passionate~」のセッション「AWSとDockerで実現するAI研究のためのPipeline as Code」で使った資料です。
来栖川電算ではAWS BatchやAmazon SageMaker的なことをオンプレ環境やハイブリッドクラウド環境で実現し、その上で研究プロエスをコード化しているという話です。研究プロセスを工夫すればもっと良い成果がだせるようになるはずです。
1. An Energy and GPU-Computation
Efficient Backbone Network
for Real-Time Object Detection
2019.06.30
hei4
2. 本日紹介する研究する研究研究
●
軽量化のワークショップ『のワークショップ『ワークショップ『 CEFRL2019 』での発表の中から紹介でのワークショップ『発表の中から紹介のワークショップ『中から紹介から紹介紹介する研究
“CEFRL 2019: 3rd International Workshop on Compact and Efficient
Feature Representation and Learning in Computer Vision 2019”
●
書誌情報:
Lee, Youngwan, et al. "An Energy and GPU-Computation Efficient Backbone
Network for Real-Time Object Detection." Proceedings of the IEEE
Conference on Computer Vision and Pattern Recognition Workshops. 2019.
●
GPU でのワークショップ『高計算効率と低消費電力を目標とした、軽量化アーキテクチャの研究。と低消費電力を目標とした、軽量化アーキテクチャの研究。低消費電力を目標とした、軽量化アーキテクチャの研究。を目標とした、軽量化アーキテクチャの研究。目標とした、軽量化アーキテクチャの研究。と低消費電力を目標とした、軽量化アーキテクチャの研究。した、軽量化アーキテクチャの研究。軽量化のワークショップ『アーキテクチャの研究。のワークショップ『研究。
『 OSA 』での発表の中から紹介モジュールと、『と低消費電力を目標とした、軽量化アーキテクチャの研究。、軽量化アーキテクチャの研究。『 VoVNet 』での発表の中から紹介ネットワークを目標とした、軽量化アーキテクチャの研究。提案
11. 1. メモリーアクセスコスト(比較的)小さい MAC )
●
CNN における研究エネルと、『ギー消費のワークショップ『主な原因はメモリアクセス。データ数もにアクセスする研究
こと低消費電力を目標とした、軽量化アーキテクチャの研究。は、軽量化アーキテクチャの研究。演算自体よりも桁違いに高い電力を消費するいに高い電力を目標とした、軽量化アーキテクチャの研究。を目標とした、軽量化アーキテクチャの研究。消費する研究
●
またメモリアクセスのワークショップ『時間や消費電力が削減されるとは限らないは推論時間や消費電力が削減されるとは限らないのワークショップ『大きく影響を与える要素部分を目標とした、軽量化アーキテクチャの研究。占め、め、軽量化アーキテクチャの研究。 GPU プロセスのワークショップ『ボトルと、『ネッ
クになりえる研究
●
すなわち同一の同一のワークショップ『 FLOPs と低消費電力を目標とした、軽量化アーキテクチャの研究。パラメータ数も数が大きいためでも、軽量化アーキテクチャの研究。 MAC によって消費電力を目標とした、軽量化アーキテクチャの研究。も推論速度を示しているも
異なってくるなってく影響を与える要素る研究
●
ShuffleNet v2 のワークショップ『論文にて、にて、軽量化アーキテクチャの研究。 MAC のワークショップ『式とその下限が提案されていると低消費電力を目標とした、軽量化アーキテクチャの研究。そのワークショップ『下限らないということが提案されている研究
– 入力を目標とした、軽量化アーキテクチャの研究。チャの研究。ネルと、『数が大きいため=出力を目標とした、軽量化アーキテクチャの研究。チャの研究。ネルと、『数が大きいためのワークショップ『と低消費電力を目標とした、軽量化アーキテクチャの研究。き、軽量化アーキテクチャの研究。 MAC は下限らないということに一致していない点を説明(比較的)小さい= MAC 最小さい化のワークショップ『)
MAC=hw (ci+co)+k2
ci co MAC≥2hw √ci co+k2
ci co
k: カーネルと、『サイズや演算量の削減を焦点にあてた従来の軽量化アーキテクチャは、 h/w: 特徴マップの高さマップのワークショップ『高さ / 幅 ci
: 入力を目標とした、軽量化アーキテクチャの研究。チャの研究。ネルと、『数が大きいため co
: 出力を目標とした、軽量化アーキテクチャの研究。チャの研究。ネルと、『数が大きいため
Ma, Ningning, et al.
"Shufflenet v2: Practical guidelines for efficient cnn architecture design."
Proceedings of the European Conference on Computer Vision (ECCV). 2018.