メニュー

技術ブログ

Denso IT Lab.社員による技術情報の紹介

Denso IT Laboratory researcher's blog sites

数式

RSS

ページトップへ

Demitasse〜DNN高速化ライブラリを公開しました

どうも吉田悠一です.
弊社の近藤がNIPS2016のWorkshopで発表したDemitasseをオープンソースで公開します.

“Satoshi Kondo, “Demitasse: SPMD Programing Implementation of Deep Neural Network Library for Mobile Devices”, ML Systems Workshop NIPS 2016 PDF

https://github.com/DensoITLab/Demitasse

llvmとispcを使い,Deep Learningの計算を高速化します.
Demitasseによれば,iOSデバイス上でもGPUを使わずに数百msecの時間で,Caffe Model Zooによる画像認識を実行することができます.

ビルド方法は,githubのリポジトリのドキュメントに書いてあります.
また,Linuxで使いたい方は,dockerを使って,簡単に環境を構築できます.

簡単に処理性能を確認したいという方向けに、iOS限定ですが、デモアプリも公開しておりますので、お試しください。(アプリインストール後、アプリ内で事前学習済みデータのダウンロードを行う必要がありますが、データサイズが数百MBと大きいため、学習済みデータのダウンロードはWiFi環境などで行うことをお勧めいたします)

AppStore

このエントリーをはてなブックマークに追加

MIRU2016で会いましょう

MIRU2016では,弊社の安倍,近藤,佐藤,吉田の四人が発表します.

安倍・・・”整数基底分解によるDeep Neural Networkの時間・空間計算量削減”

近藤・・・”組み込み向けDNNライブラリの実装と演算性能評価”
     デモアプリケーション Demitasse – Image Recognition Cam

佐藤・・・”APAC: Augmented PAttern Classification with Neural Networks”

吉田・・・”二重特徴表現を使った特定物体認識”

研究や技術のことはもちろん,デンソーアイティーラボラトリに興味のある方は,ぜひ,各社員にお声掛けください!

demitasse

このエントリーをはてなブックマークに追加

Go-ICP グローバル最適なICP -Globally optimal ICP(2015 PAMI)-の解説

先日社内の勉強会で,グローバル最適なIterative Closest Point(ICP)アルゴリズム”Go-ICP”について紹介しました.

ICPは有名なところではKinect Fusionなど,3次元点群のレジストレーションに広く用いられています.基本的には,最近傍点の対応付けと姿勢(並進と回転)の推定を順次繰り返していくことで,点群間の2乗誤差を最小にするような姿勢を見つけようとアルゴリズムです.

ICPは原理上,点群間の姿勢がある程度離れると局所解に陥ってしまい正しくレジストレーションできないという課題があります.

そこで,局所性を改善したアルゴリズム(SoftAssign など)や,ローカルな特徴(Spin Imageや4PCSなど)を用いて大域的にレジストレーションする手法など多様なアルゴリズムが提案されていますが,グローバル”最適”な点群のレジストレーションアルゴリズムはあまり提案されていませんでした.

2013 ICCV,2015 PAMIの論文でグローバル最適なICPアルゴリズムGo-ICPが発表されました.詳しくはスライドで解説していますが,Branch and Bound(分枝限定)とVoxel ICPの組み合わせで効率的にSE(3)の6自由度パラメータ空間から最適な解を探します.

著者のページにソースコードが公開されていますので簡単に試すことができます.公開されているソースはテキストファイルから点群データを読み込んで姿勢をテキストファイルで書き出す仕様になっていますが,外部ライブラリの依存がなく簡単にMatlabのmex関数を作成できますので,いろいろ点群を変えて試したい場合はmex化がオススメです.


 

このエントリーをはてなブックマークに追加