材料の欠陥を見抜くコンパクトなAIモデルの作り方(AI×材料)【論文】

   

CNNをコンパクトにしたい!

畳み込みニューラルネットワーク(CNN)は、最新技術として様々な分野に応用されている。しかし、CNNはその膨大な計算量のために、高性能なGPUが必要とされる場面が多い。

また、CNNで高い精度を発揮するには多くのデータセットが必要だが、欠陥画像推定の問題においてはオンライン上のデータセット数が少ないという問題もある。さらに、データセット内における欠陥あり画像の割合が、欠陥なし画像に比べてかなり低いことも、高精度を達成する障害の一つになっている。

中国科学院大学のYibin Huangら研究者は、CNNの膨大な計算量とデータセットの不均衡という課題に着目し、分類とセグメンテーションの観点から課題解決を試みた。

結果、CNNのコンパクト化、データセット不均衡の解決はできたのだろうか?続きを読んでみよう。

AIで未来を変える仲間:Yibin Huangについて
中国科学院大学に所属。専門分野はコンピュータビジョンやニューラルネット、オブジェクト検出。

計算コストを小さくしたCNNを開発

Yibin Huangらの研究におけるミッション・手法・結果は以下の通りだ。

続きを読むには無料会員登録が必要です。


※ログイン/初回登録後、下記ボタンを押してください。

業界から探す

さらに学ぼう!

PAGE TOP