지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.3
- 수록면
- 125 - 131 (7page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 CNN(Convolutional Neural Network)은 영상 분류, 객체 인식, 화질 개선 등 다양한 비전 분야에서 우수한 성능을 보여주고 있다. 그러나 많은 메모리와 계산량이 요구되어 모바일 또는 IoT(Internet of Things) 장치와 같은 저전력 디바이스에 적용하기에는 제한이 따른다. 이에, CNN 모델의 임무 성능을 유지하면서 네트워크 모델을 압축하는 연구가 진행되고 있다. 본 논문에서는 행렬 분해기술인 저계수 행렬 근사(Low-rank approximation)와 CP(Canonical Polyadic) 분해 기법을 결합한 CNN 모델 압축 기법을 제안한다. 제안기법은 하나의 행렬 분해 기법만을 적용하는 기존의 기법과 달리 CNN의 계층 유형에 따라 두 가지 분해 기법을 선택적으로 적용하여 압축 성능을 높인다. 제안기법의 성능 검증을 위하여 영상 분류 CNN 모델인 VGG-16, ResNet50, 그리고 MobileNetV2 모델을 압축하였고, 계층 유형에 따라 두 가지의 분해 기법을 선택적으로 적용함으로써 저계수 행렬 근사 기법만 적용한 경우 보다 1.5 ~ 12.1 배의 동일한 압축률에서 분류 성능이 향상됨을 확인하였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 행렬 분해 기법
Ⅲ. 제안기법
Ⅳ. 실험결과
Ⅴ. 결론
참고문헌 (References)
참고문헌 (12)
참고문헌 신청
S. Jung, C. Son, S. Lee, J. Han, Y. Kwak, and S. Hwang, “Learning to Quantize Deep Networks by Optimizing Quantization Intervals with Task Loss,” In Proc. Computer Vision and Pattern Recognition (CVPR), 2019.
W. Bailer, et al, “Text of ISO/IEC DIS 15938-17 Compression of Neural Networks for Multimedia Content Description and Analysis,” ISO/IEC/JTC1/SC29/WG04, N0016, Oct. 2020.
X. Zhang, X. Zhou, M. Lin, and J. Sun, “ShuffleNet: An Exteremey Efficient Convolutional Neural Network for Mobile Devices,” In Proc. Computer Vision and Patter Recognition (CVPR), 2018.
A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, and H. Adam, “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications,” arXiv preprint arXiv:1704.04861, 2017
C. Aytekin, F. Cricri, T. Wang, E. Aksu, “Response to the Call for Proposals on Neural Network Compression: Training Highly Compressible Neural Networks,” ISO/IEC JTC1/SC29/WG11, m47379, Mar. 2019.
W. Bailer, et al, “Text of ISO/IEC DIS 15938-17 Compression of Neural Networks for Multimedia Content Description and Analysis,” ISO/IEC/JTC1/SC29/WG04, N0016, Oct. 2020.
X. Zhang, X. Zhou, M. Lin, and J. Sun, “ShuffleNet: An Exteremey Efficient Convolutional Neural Network for Mobile Devices,” In Proc. Computer Vision and Patter Recognition (CVPR), 2018.
A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, and H. Adam, “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications,” arXiv preprint arXiv:1704.04861, 2017
C. Aytekin, F. Cricri, T. Wang, E. Aksu, “Response to the Call for Proposals on Neural Network Compression: Training Highly Compressible Neural Networks,” ISO/IEC JTC1/SC29/WG11, m47379, Mar. 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
저계수행렬 근사 및 CP 분해 기법을 이용한 CNN 압축
한국방송미디어공학회 학술발표대회 논문집
2020 .11
-
임베디드 보드에서의 CNN 모델 압축 및 성능 검증
방송공학회논문지
2020 .03
-
다양한 변수에 따른 CNN 성능 분석
정보 및 제어 논문집
2019 .04
-
CNN 기반의 행동 인식 및 분류 모델 개발
대한전기학회 학술대회 논문집
2020 .07
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
-
이미지 분해를 통한 압축 성능 향상 기법 연구
한국통신학회 학술대회논문집
2025 .02
-
긍정과 부정 이미지 기반 데이터 편향에 따른 CNN모델의 차이 연구
대한인간공학회 학술대회논문집
2022 .10
-
CNN을 이용한 거리 사진의 분류와 안전도 평가
방송공학회논문지
2018 .05
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
영상 노이즈 제거 CNN 구조 개선을 위한 VGG CNN 손실함수 적용에 대한 연구
대한전자공학회 학술대회
2019 .11
-
임베디드 보드에서의 인공신경망 압축을 이용한 CNN 모델의 가속 및 성능 검증
한국방송미디어공학회 학술발표대회 논문집
2019 .11
-
오토인코더를 이용한 CNN 이미지 분류 네트워크의 feature 압축 방안
한국방송미디어공학회 학술발표대회 논문집
2020 .11
-
필터 분해 기법을 이용한 에너지 효율적 재구성형 CNN 가속기 구조
전자공학회논문지
2020 .07
-
Dance Movement Recognition based on Deep Learning
IEIE Transactions on Smart Processing & Computing
2024 .06
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
필터 분해 기법을 이용한 에너지 효율적 재구성형 CNN 가속기 설계
대한전자공학회 학술대회
2019 .11
-
음식 이미지 분류를 위한 CNN 모델 일반화 방법 적용 및 분석
한국정보과학회 학술발표논문집
2022 .12
-
DCT를 이용한 CNN 모델의 압축방법
한국방송미디어공학회 학술발표대회 논문집
2020 .07
-
CNN을 이용한 차량 수 카운팅 알고리즘
한국생산제조학회 학술발표대회 논문집
2019 .11
-
이미지화 알고리즘 및 딥러닝을 이용한 자동 변조 분류
한국전자파학회논문지
2021 .04
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-567-001644659