Machine Learning
Machine Perception
Deep Learning
クラウド型顔画像解析エンジンにおけるレイテンシを考慮したDCNNの自動分割
- Author
- 猪子弘康, 山内悠嗣, 山下隆義, 藤吉弘亘
- Publication
- 日本ロボット学会学術講演会,2016
Download: PDF (Japanese)
人の生活を支援するロボットと共存する安心安全な社会の構築に向け，サービスロボットの研究開発が精力的に進められている．一般にロボットの計算リソースは限られているため，クラウド上のコンピュータで計算処理を行うクラウドロボティクスへの関心が高まっている．我々はこれまでに，Deep Convolutional Neural Network(DCNN)に基づくクラウドロボティクスのための顔画像認識エンジンを提案している．本手法は，DCNNによる顔画像を解析するクラウド型の認識エンジンである．DCNNを2つに分割して，ロボット側で計算した途中結果である特徴マップをクラウドサーバに送信し，DCNNの解析結果をロボットに転送する．これにより，ロボット側の計算負荷や転送量を小さくできる．また，顔画像を転送する必要がないため，プライバシーに配慮できるという特長がある．しかし，この手法ではDCNNを分割する層を事前に決定する必要があり，負荷分散を効率的に行うには，ロボットの性能や通信環境の状態に応じて動的に分割層を決定する必要がある．そこで，本稿ではクラウド型顔画像解析エンジンにおけるレイテンシを考慮したDCNNの自動分割法を提案する．提案するシステムでは，ユーザが画像を入力してから出力結果を得るまでの希望時間（要求レイテンシ）を予め設定する．DCNNの分割層は，クライアントの処理時間，クラウドサーバの処理時間，ネットワークの伝送時間，レイテンシの4つの要素から自動で決定する．