| 講演抄録／キーワード |
| 講演名 |
2025-06-05 13:25
特徴量抽出可能なCMOSイメージセンサーに向けた物体検出モデル圧縮手法の検討
○家垣諒也・黒田慶一朗・大須賀裕宇（立命館大）・氏家隆一・島 秀樹（日清紡マイクロデバイス）・吉田康太・大倉俊介（立命館大） |
| 抄録 |
（和） |
特徴量抽出可能なCMOSイメージセンサーに向けて，物体検出モデルの量子化および枝刈りによる軽量化を検討する．ビット分解能が低い特徴量画像の方が，モデルの重みパラメータの量子化に対して，ロバストであることを最初に示す．さらに，DNNモデルの層構造や重みパラメータの分布を考慮して，効率的に重みパラメータを量子化する手法を提案する．RGBカラー画像とYOLOv7を用いる物体検出と比較すると，特徴量画像と提案モデルを用いる物体検出は，入力データ量を約97.66%，重みパラメータ量を約99.02%，計算量を約96.20%削減できる目途を得た．一方，大きな物体の検出精度であるmAPL50は，13.5%の低下にとどまった． |
| （英） |
We examine the quantization and pruning of object detection models for CMOS image sensors capable of feature extraction. We first demonstrate that feature images with low bit resolution are robust to quantization of model parameters. Furthermore, we propose an efficient weight quantization taking account of the layer structure of the DNN model and the distribution of weight parameters. Compared to object detection using RGB color images and YOLOv7, the object detection using feature images and the proposed model reduces input data size by approximately 97.66%, model weight size by 99.02%, and computational cost by 96.20%. Meanwhile, the decrease in detection accuracy for large objects, mAP@50, is limited to 13.5% . |
| キーワード |
（和） |
CMOSイメージセンサー / 特徴量抽出 / 物体検出 / 量子化 / 枝刈り / / / |
| （英） |
CMOSimagesensor / feature extraction / object detection / quantization / pruning / / / |
| 文献情報 |
映情学技報, vol. 49, no. 14, IST2025-24, pp. 13-17, 2025年6月. |
| 資料番号 |
IST2025-24 |
| 発行日 |
2025-05-29 (IST, ME) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|