메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
고현준 (인하대학교) 김재명 (인하대학교) 박현재 (인하대학교) 강진구 (인하대학교) 김용우 (상명대학교)
저널정보
대한전자공학회 대한전자공학회 학술대회 2023년도 대한전자공학회 하계학술대회 논문집
발행연도
2023.6
수록면
1,378 - 1,381 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
Recently, object detection networks using Convolutional neural networks (CNNs) have shown outstanding performance in the field of computer vision. However, these networks consist of a large number of parameters and floating-point operations(FLOPs). Therefore, it is difficult to implement the CNN networks to real-time embedded systems such as cars or drones. In this paper, we implement target capacity filter pruning (TCFP) on YOLOv7 and YOLOv8 to reduce the number of parameters and FLOPs. In addition, we analysis networks performance on NVIDIA Jetson Xavier NX. As a result, inference time of YOLOv7 and YOLOv8 is improved about 11.4% and 19.2% on each networks and mAP(0.5:0.95) decreased only about 3.8% and 7% when pruning rate is 50% on COCO dataset.

목차

Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0