• 방송공학회논문지
• /
• 제26권7호
• /
• pp.855-861
• /
• 2021

Neural Architecture Search (NAS) is cutting-edge technology in the machine learning community. NAS Without Training (NASWOT) recently has been proposed to tackle the high demand of computational resources in NAS by leveraging some indicators to predict the performance of architectures before training. The advantage of these indicators is that they do not require any training. Thus, NASWOT reduces the searching time and computational cost significantly. However, NASWOT only considers high-performing networks which does not guarantee a fast inference speed on hardware devices. In this paper, we propose a multi objectives reward function, which considers the network's latency and the predicted performance, and incorporate it into the Reinforcement Learning approach to search for the best networks with low latency. Unlike other methods, which use FLOPs to measure the latency that does not reflect the actual latency, we obtain the network's latency from the hardware NAS bench. We conduct extensive experiments on NAS-Bench-201 using CIFAR-10, CIFAR-100, and ImageNet-16-120 datasets, and show that the proposed method is capable of generating the best network under latency constrained without training subnetworks.

• 한국농림기상학회지
• /
• 제23권3호
• /
• pp.156-162
• /
• 2021

본 인스턴스 분할 모델은 위성을 이용해 촬영된 원격탐지 영상 내의 객체 탐지에 높은 정확도를 갖는다는 것을 입증하였으며, 불법으로 가설된 시설 하우스를 발견하는데 활용될 수 있다. 즉, 특정 지역 및 일정시기를 기준으로 시설하우스를 인식시키고 그 이후에 신축된 하우스를 분별하는데 사용할 수 있을 것이다. 또한 본 기술을 응용하여, 토지피복도 조사와 같은 인력중심의 작업을 빠르게 해결할 수 있다. 앞으로 이 모델은 지리정보시스템(Geographic Information System)과 연계하여 중앙정부 차원의 단일화된 관리체계를 수립할 수 있을 것이며 또한 시설하우스 면적 통계 수치계산에도 쉽게 응용될 수 있을 것으로 판단된다.