畳み込みニューラルネットワークに関する大部分の研究は、精度向上のためにネットワークの深さを増加させることに焦点を当てており、これにより大量のパラメータが生成され、訓練されたネットワークがメモリや処理能力に制約のあるプラットフォームでの利用が制限されています。本稿では、Very Deep Convolutional Neural Networks (VDCNN) モデルの構造を変更し、モバイルプラットフォームの制約に対応しつつ性能を維持する方法を提案します。Temporal Depthwise Separable Convolutions および Global Average Pooling の影響について、ネットワークパラメータ、ストレージサイズ、およびレイテンシの観点から評価を行いました。圧縮されたモデル（SVDCNN）はネットワークの深さによって10倍から20倍小さくなり、最大でも6MBに抑えられます。精度に関しては、ベースラインモデルと比較して0.4%から1.3%の低下が見られますが、より低いレイテンシを達成しています。