Fugu-MT 論文翻訳(概要): Adaptation of MobileNetV2 for Face Detection on Ultra-Low Power Platform

論文の概要: Adaptation of MobileNetV2 for Face Detection on Ultra-Low Power Platform

arxiv url: http://arxiv.org/abs/2208.11011v1
Date: Tue, 23 Aug 2022 14:47:06 GMT
ステータス: 処理完了
システム内更新日: 2022-08-24 12:42:38.772129
Title: Adaptation of MobileNetV2 for Face Detection on Ultra-Low Power Platform
Title（参考訳）: 超低電力プラットフォームにおける顔検出のためのMobileNetV2の適応
Authors: Simon Narduzzi, Engin T\"uretken, Jean-Philippe Thiran, L. Andrea Dunbar
Abstract要約: モバイルハードウェアプラットフォームであるMobileNetV2において最も広く使用されているアーキテクチャのひとつに適応し、トポロジの変更とポストトレーニング量子化の適用の影響について検討する。顔検出のための組込みハードウェアプラットフォームにおける適応とモデルの展開の影響について論じる。
参考スコア（独自算出の注目度）: 11.076066543125432
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Designing Deep Neural Networks (DNNs) running on edge hardware remains a challenge. Standard designs have been adopted by the community to facilitate the deployment of Neural Network models. However, not much emphasis is put on adapting the network topology to fit hardware constraints. In this paper, we adapt one of the most widely used architectures for mobile hardware platforms, MobileNetV2, and study the impact of changing its topology and applying post-training quantization. We discuss the impact of the adaptations and the deployment of the model on an embedded hardware platform for face detection.
Abstract（参考訳）: エッジハードウェア上で動作するディープニューラルネットワーク(DNN)の設計は依然として課題である。ニューラルネットワークモデルのデプロイを容易にするため、コミュニティによって標準設計が採用されている。しかし、ハードウェアの制約に合うようにネットワークトポロジーを適用することにはあまり重点を置いていない。本稿では,モバイルハードウェアプラットフォームであるmobilenetv2において,最も広く利用されているアーキテクチャの一つであるmobilenetv2を適用し,そのトポロジの変更とトレーニング後の量子化の影響について検討する。顔検出のための組込みハードウェアプラットフォームにおける適応とモデルの展開の影響について論じる。

関連論文リスト

Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-29T19:02:54Z)
NN-Defined Modulator: Reconfigurable and Portable Software Modulator on IoT Gateways [7.654274542328226]
本稿では,IoTゲートウェイデバイスにおける物理層変調器の抽象化レイヤとしてニューラルネットワークを用いる新たなパラダイムを提案する。提案したNN-Defined modulatorは、固体数学的基礎に根ざしたモデル駆動の方法論を用いている。我々は,Nvidia Jetson NanoやRaspberry Piなど,さまざまなプラットフォーム上でNN定義変調器の評価を行う。
論文参考訳（メタデータ） (2024-03-14T20:42:23Z)
Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文参考訳（メタデータ） (2023-03-16T21:06:13Z)
Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
適応型ニューラルネットワークの動的対向攻撃問題について検討する。本稿では,LGM(Leaded Gradient Method)を提案する。我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
論文参考訳（メタデータ） (2022-10-15T01:32:08Z)
Interference Cancellation GAN Framework for Dynamic Channels [74.22393885274728]
チャネルのあらゆる変更に適応できるオンライントレーニングフレームワークを導入します。我々のフレームワークは、非常にダイナミックなチャネル上での最近のニューラルネットワークモデルよりも大幅に優れています。
論文参考訳（メタデータ） (2022-08-17T02:01:18Z)
EdgeViTs: Competing Light-weight CNNs on Mobile Devices with Vision Transformers [88.52500757894119]
自己注意に基づく視覚変換器(ViT)は、コンピュータビジョンにおける畳み込みニューラルネットワーク(CNN)に代わる、非常に競争力のあるアーキテクチャとして登場した。われわれはEdgeViTsを紹介した。これは新しい軽量ViTのファミリーで、注目に基づく視覚モデルが初めて、最高の軽量CNNと競合することを可能にする。
論文参考訳（メタデータ） (2022-05-06T18:17:19Z)
Engineering flexible machine learning systems by traversing functionally-invariant paths [1.4999444543328289]
ニューラルネットワークのフレキシブルかつ連続的な適応を提供する微分幾何学フレームワークを導入する。重み空間における測地路に沿った移動として適応を定式化し,二次目的に対応するネットワークを探索する。控えめな計算資源を用いて、FIPアルゴリズムは連続的な学習とスパーシフィケーションタスクにおけるアートパフォーマンスの状態を同等に達成する。
論文参考訳（メタデータ） (2022-04-30T19:44:56Z)
DBQ: A Differentiable Branch Quantizer for Lightweight Deep Neural Networks [4.358626952482686]
本稿では, 効率的な3成分系ドット製品エンジンにシームレスにマッピングできる新しい非一様量子化器を提案する。提案する量子化器 (DBQ) は,MobileNetV1, MobileNetV2, ShuffleNetV2 などの軽量ネットワークを積極的に定量化するという,突進的な課題に対処する。 DBQは、トレーニングオーバーヘッドを最小限に抑えながら、最先端の成果を達成し、最適な(最適に最適化された)精度/複雑さのトレードオフを提供する。
論文参考訳（メタデータ） (2020-07-19T23:50:09Z)
Making DensePose fast and light [78.49552144907513]
このタスクを解くことができる既存のニューラルネットワークモデルは、非常にパラメータ化されている。現在のモデルで端末のDense Pose推論を有効にするには、高価なサーバーサイドのインフラをサポートし、安定したインターネット接続が必要である。本研究では,DensePose R-CNNモデルのアーキテクチャを再設計することで,最終的なネットワークがその精度の大部分を維持しつつ,より軽量で高速なネットワークを実現することを目的とする。
論文参考訳（メタデータ） (2020-06-26T19:42:20Z)
Multi-Objective Optimization for Size and Resilience of Spiking Neural Networks [0.9449650062296823]
シリコンにおけるスパイキングニューラルネットワーク(SNN)モデルスパイキングニューラルネットワークを2つのニューロモルフィックアーキテクチャの実装に適用し,そのサイズを小さくすることを目的とした。本稿では,SNNのサイズとレジリエンスを最適化する多目的フィットネス機能を提案する。
論文参考訳（メタデータ） (2020-02-04T16:58:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。