Chest expansion measurement in 3-dimension by using accelerometers
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Arthittayapiwat K., Pirompol P., Samanpiboon P.
ผู้เผยแพร่: Society of Photo-optical Instrumentation Engineers
ปีที่เผยแพร่ (ค.ศ.): 2019
Volume number: 23
Issue number: 2
หน้าแรก: 71
หน้าสุดท้าย: 84
จำนวนหน้า: 14
ISBN: 9781510627734
นอก: 0277-786X
eISSN: 1996-756X
ภาษา: English-Great Britain (EN-GB)
ดูในเว็บของวิทยาศาสตร์ | ดูบนเว็บไซต์ของสำนักพิมพ์ | บทความในเว็บของวิทยาศาสตร์
บทคัดย่อ
A computer vision computation requires high number of multiplications causing a bottleneck. Based on the work of Zhenhong Liu, the multiplications in these algorithms do not always require high precision provided by the processors. As a result, we can reduce computation redundancy by means of multiplication approximation. Following this approach, in this paper, we investigate two major algorithms namely convolutional neural network (CNN) and scale-invariant features transform (SIFT) to find their error tolerances due to multiplication approximation. A multiplication approximation is done by injecting a random value to each of precise multiplication value. The INRIA and OXFORD datasets were used in the SIFT algorithm analysis while the CIFAR-10 and MNIST datasets were applied for the CNN experiments. The results showed that SIFT can withstand only small percents of multiplication approximation while CNN can tolerate over 30% of multiplication approximation. ฉ COPYRIGHT SPIE.
คำสำคัญ
Approximate Algorithm, Approximate Computing, CNN, Multiplication Approximation
ติดต่อสอบถามเพิ่มเติมได้ที่