情報処理学会 第80回全国大会講演要旨

クラウド・エッジコンピューティングの進展に伴い,膨大なデータに対し機械学習といった高度な分析を行うことで,業務効率や生産効率を向上させるデータ分析のニーズが高まっている。しかし,クラウドでの実現にはデータ集約に伴う通信帯域の不足が,エッジでの実現には機械学習,特に深層学習で必要となる計算機リソースの不足が問題となる。本研究では,部分的に学習したDNNモデルをクラウドからエッジに展開し,エッジのデータを用いて残りの学習を施す,クラウド・エッジ連携のDNNモデル運用方式を提案する。画像データの分析を想定した環境で評価した結果,提案手法によりDNNモデルの展開・学習に要する工数の67%を削減した。