MPRG : 機械知覚&ロボティクスグループ／中部大学Deep Convolutional Neural Network(DCNN) は，画像認識やセマンティックセグメンテーション等の様々なタスクにおいて高い性能を達成しています．DCNNは，VGGNetやDeep Residual Net(ResNet) などの深い層のネットワークが高い性能を得られることから，一般的に用いられています．しかしながら，DCNNには畳み込み層や全結合層に内積計算が多用されるため，ネットワークが多層化されるにつれてパラメータ数が増加し，多くの計算リソースが必要となります．そのため，組み込み機器やモバイル端末等の限られたリソースでDCNNを扱う場合，DCNNの識別計算の高速化とパラメータ削減のためにモデルの圧縮が必要です．我々の研究では，既存のネットワークモデルに対して識別計算の高速化とモデルサイズの圧縮が可能なバイナリ型DCNNを用いることで識別精度の低下を抑制し
