DupNet：顔認識のための極めて小さな量子化CNNの実現と精度向上

エッジデバイス上に深層学習ベースの顔検出器を展開することは、計算リソースが限られているため困難な課題である。極めて小型なネットワークの重みをバイナリ化することで、モデルサイズの大幅な圧縮が可能となる（例えばIFQ-Tinier-YOLOでは240.9 KB）。しかし、そのサイズは厳しいメモリ制約を持つ組み込みデバイスに十分に収まらない。本論文では、モデルサイズのさらなる削減を実現するため、二つの構成要素からなるDupNetを提案する。第一に、重みに計算負荷の高い層に対して重みのチャネルを複製（duplicated）することで、モデルサイズの低減を図る。第二に、量子化によって顕著な精度低下を引き起こす量子化感受性の高い層に対しては、入力特徴マップを複製する。これにより、より代表的な出力を生成するための重みチャネルを増やすことが可能となる。このアプローチに基づき、非常に小型な顔検出器であるDupNet-Tinier-YOLOを構築した。本モデルは、モデルサイズが6.5倍小さく、計算量は42.0%削減された一方で、IFQ-Tinier-YOLOに比べて検出精度が2.4%向上している。また、フルプレシジョンのTiny-YOLOと比較すると、モデルサイズは1,694.2倍、計算複雑度は389.9倍の削減を達成しつつ、検出率の低下はわずか4.0%（0.880 vs. 0.920）にとどまる。さらに、DupNet-Tinier-YOLOのモデルサイズは36.9 KBにまで小さく、我々の知る限り、最も小型な深層学習ベースの顔検出器である。