Acknowledgement
이 논문은 2023년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임(PP00241770, 2023년 지역혁신클러스터육성)
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2023.11a
- /
- Pages.536-539
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Study on Filter Pruning for Real-Time Object Detection in Embedded Board Environments
임베디드 보드 환경에서 실시간 객체 탐지를 위한 필터 프루닝 연구
- Jongwoong Seo (Dept. of Computer Convergence Software, Korea University) ;
- Hanse Ahn (Dept. of Computer Convergence Software, Korea University) ;
- Seungwook Son (INFO VALLY KOREA Co., Ltd) ;
- Yongwha Chung (Dept. of Computer Convergence Software, Korea University)
- 서종웅 (고려대학교 컴퓨터융합소프트웨어학과) ;
- 안한세 (고려대학교 컴퓨터융합소프트웨어학과) ;
- 손승욱 (인포벨리코리아 기업부설 인공지능 세종연구소) ;
- 정용화 (고려대학교 컴퓨터융합소프트웨어학과 )
- Published : 2023.11.02
Abstract
딥러닝 기술은 더 많은 분야와 과제에 적용되기 위해서 네트워크는 더 복잡하고 거대한 형태로 발전해왔다. YOLOv7-tiny과 같은 객체탐지 네트워크는 다양한 객체와 환경에서 활용하기 위해 COCO 데이터 세트를 대상으로 발전해왔다. 그러나 본 논문에서 적용할 모델은 임베디드 보드 환경에서 실시간으로 1개의 Class를 대상으로 객체를 탐지하는 네트워크 모델이 찾고자 프루닝을 적용하였다. 모델의 프루닝을 할 필터를 찾기 위해 본 논문에서는 클러스터링을 통한 필터 프루닝 방법을 제안한다. 본 논문의 제안 방법을 적용했을 때 기준 모델보다 정확도가 7.6% 감소하였으나, 파라미터가 1% 미만으로 남고, 속도는 2.1배 증가함을 확인하였다.
Keywords