- …
- …
#652
summarized by : Shunsuke NAKATSUKA
どんな論文か？
DNNはパラメータ数が多く，表現として冗長である．DNNのパラメータをhigh order, low rankのtensorで表現することでパラメータ数を削減する．
新規性
従来研究ではLayerのパラメータをtensorizationしていたが，この手法ではDNN全体の演算を1つのtensorで表現．具体的には8次tensorでHourGlass FCNを表現する．
結果
Human pose estimationにおいて，base modelがacc: 87%に対し，acc: 85.5%で圧縮率: 7.4x を達成
その他（なぜ通ったか？等）
Samsung AI ⇔ DNNパラメータ数削減
- …
- …