Acknowledgement
이 논문은 2023 년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구입니다. (PP00241770, 2023년 지역혁신클러스터육성)
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2023.11a
- /
- Pages.512-513
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Improving Accuracy over Parameter through Channel Pruning based on Neural Architecture Search in Object Detection
물체 탐지에서 Neural Architecture Search 기반 Channel Pruning 을 통한 Parameter 수 대비 정확도 개선
- Jaehyeon Roh (Dept of Computer Convergence Software, Korea University) ;
- Seunghyun Yu (Dept of Computer Convergence Software, Korea University) ;
- Seungwook Son (INFO VALLEY KOREA) ;
- Yongwha Chung (Dept of Computer Convergence Software, Korea University)
- 노재현 (고려대학교 컴퓨터융합소프트웨어학과) ;
- 유승현 (고려대학교 컴퓨터융합소프트웨어학과) ;
- 손승욱 (인포벨리코리아 기업부설 인공지능 세종연구소) ;
- 정용화 (고려대학교 컴퓨터융합소프트웨어학과)
- Published : 2023.11.02
Abstract
CNN 기반 Deep Learning 분야에서 객체 탐지 정확도를 높이기 위해 모델의 많은 Parameter 가 사용된다. 많은 Parameter 를 사용하게 되면 최소 하드웨어 성능 요구치가 상승하고 처리속도도 감소한다는 문제가 있어, 최소한의 정확도 하락으로 Parameter 를 줄이기 위한 여러 Pruning 기법이 사용된다. 본 연구에서는 Neural Architecture Search(NAS) 기반 Channel Pruning 인 Artificial Bee Colony(ABC) 알고리즘을 사용하였고, 기존 NAS 기반 Channel Pruning 논문들이 Classification Task 에서만 실험한 것과 달리 Object Detection Task 에서도 NAS 기반 Channel Pruning 을 적용하여 기존 Uniform Pruning 과 비교할 때 파라미터 수 대비 정확도가 개선됨을 확인하였다.
Keywords