著者
宗形 敦樹 佐藤 真平 中原 啓貴
雑誌
研究報告システムとLSIの設計技術(SLDM) (ISSN:21888639)
巻号頁・発行日
vol.2019-SLDM-186, no.4, pp.1-6, 2019-01-23

画像認識の分野で広く利用されている畳込みニューラルネットワーク (CNN : Convolutional Neural Network) は重みの数や乗算数が多いという問題がある.これらを解決するため,本論文では雑音付加と point-wise (1 x 1) 畳込みを組み合わせた雑音畳込み層を用いる.既存研究の解析から,雑音畳込み層だけでは入力データは偏っているため認識精度が低下することが判明している.本論文では,k 層までを既存の畳込み層で実現し,k +1 層以降を雑音畳込み層で実現する Noise Convolutional Neural Network (NCNN) を提案する.これにより,大部分の畳込み層を 1 x 1 畳込み層に換えることで重みの数と乗算数を削減しつつ,雑音を加えることで認識精度劣化を抑えることができる.NCNN と既存 CNN の認識精度とパラメータ (重み) 量の比較を行った.CIFAR-100 データセットに関して,AlexNet ではパラメータを 88%,ResNet - 18 では 96.2% 削減できた一方,認識精度に関しては AlexNet では 2.2%,ResNet - 18 では 1.8% に抑えることができた.また,本論文では提案する NCNN を効率よく実行するアーキテクチャについて述べる.NCNN では k + 1 層以降は point-wise 畳込みのみ行われるため,複雑なメモリアクセスアーキテクチャは不要であり,単純かつ高速なアーキテクチャで実現可能である.提案 NCNN を Xilinx 社 ZCU102 FPGA 評価ボード上に実装した結果,クラス分類タスクに関しては Binary CNN と比較して同程度の速度を達成しつつ,認識精度が約 10% 優れていた.