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
- 2024.3
- 수록면
- 516 - 524 (9page)
- DOI
- 10.5762/KAIS.2024.25.3.516
이용수
초록· 키워드
오류제보하기
군사 목적의 무인 체계에 활용되는 AI 모델을 개발함에 있어 군의 특수한 운용 환경을 고려하는 것은 중요하다. 예를 들면 사용 가능한 배터리 전력이 제한되어 있거나 최전선에서 정찰용으로 운용되는 무인체계의 경우 파괴 위험이 높아 고비용 고성능 칩을 사용하기 제한된다는 것이다. 이번 연구에서는 두 가지 문제 상황을 고려하여 AI 모델의 이미지 분류 성능향상 방법을 연구하였다. 첫 번째 문제는 무인 체계의 전력, 비용 등의 제약으로 인해 고용량 고성능 모델을 활용하기 제한된다는 것이다. 두 번째 문제는 군 AI 모델의 성능 보장을 위한 충분한 학습 데이터가 부족하다는 것이다. 이 문제에 대응하기 위해 본 연구에서는 지식증류기법을 제안한다. Teacher 모델로는 연산량이 많지만 성능이 우수한 EfficientNetB4를, Student 모델로는 SqueezeNet, ShuffleNetV2, MobileNetV3 small을 선정하였다. 지식 증류를 통해 정확도가 높은 Teacher 모델의 지식이 전달되어 효과적으로 Student 모델을 보강하여 제약이 있는 상황에서도 모델의 분류 성능이 향상되었다. 이와 같은 결과는 학습 데이터가 부족한 상황에서 탑재형 AI 모델에 적용되는 경량화 모델의 성능 부족 문제를 보완하여 군사적 활용성을 높일 수 있을 것으로 기대한다.
목차
요약
Abstract
1. 서론
2. 본론
3. 지식증류 방안 성능 평가
4. 결론 및 향후 연구 방향
References
참고문헌 (17)
참고문헌 신청
Ministry of Defense(MnD), Republic of Korea "Defense White Paper 2022", p.107-114, MnD, Republic of Korea., 2023.
Svenmarck, P., Luotsinen, L., Nilsson, M., & Schubert, J., "Possibilities and challenges for artificial intelligence in military applications", In Proceedings of the NATO Big Data and Artificial Intelligence for Military Decision Making Specialists Meeting, pp. 1-16, May 2018.
Rettore, P. H., Zißner, P., Alkhowaiter, M., Zou, C., & Sevenich, P. "Military data space: challenges, opportunities, and use cases", IEEE Communications Magazine, Vol. 62, Issue 1, pp.70-76, Jan 2024. DOI: https://doi.org/10.1109/MCOM.001.2300396
G. Hinton, O. Vinyals, J. Dean, "Distilling the Knowledge in a Nueral Network", arXiv preprint arXiv: 1503.02531, Mar 2015. DOI: https://doi.org/10.48550/arXiv.1503.02531
Chen, S., Zhan, R., Wang, W., & Zhang, J. "Learning slimming SAR ship object detector through network pruning and knowledge distillation", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 14, pp.1267-1282, 2020. DOI: https://doi.org/10.1109/JSTARS.2020.3041783
Svenmarck, P., Luotsinen, L., Nilsson, M., & Schubert, J., "Possibilities and challenges for artificial intelligence in military applications", In Proceedings of the NATO Big Data and Artificial Intelligence for Military Decision Making Specialists Meeting, pp. 1-16, May 2018.
Rettore, P. H., Zißner, P., Alkhowaiter, M., Zou, C., & Sevenich, P. "Military data space: challenges, opportunities, and use cases", IEEE Communications Magazine, Vol. 62, Issue 1, pp.70-76, Jan 2024. DOI: https://doi.org/10.1109/MCOM.001.2300396
G. Hinton, O. Vinyals, J. Dean, "Distilling the Knowledge in a Nueral Network", arXiv preprint arXiv: 1503.02531, Mar 2015. DOI: https://doi.org/10.48550/arXiv.1503.02531
Chen, S., Zhan, R., Wang, W., & Zhang, J. "Learning slimming SAR ship object detector through network pruning and knowledge distillation", IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol. 14, pp.1267-1282, 2020. DOI: https://doi.org/10.1109/JSTARS.2020.3041783
이 논문과 함께 이용한 논문
지식 증류 기법을 활용한 나비목 해충 식별 모델 경량화
신민수
,
하영서
,
심재창
멀티미디어학회논문지
2025
.02
APoZ 기반 가지치기를 이용한 연합학습 모델 경량화
김건오
,
박성배
,
홍충선
정보과학회 컴퓨팅의 실제 논문지
2024
.06
빅데이터 시대 초고성능컴퓨팅 현황과 군사적 활용 방안
김재오
,
김민혁
,
유재민
국방과 기술
2020
.05
딥페이크 성범죄의 가해자 분석을 통한 정책적 대응방안 제시
염건웅
법이론실무연구
2024
.11
의사결정나무를 이용한 북한 탄도미사일 탄종 신속 분류 모델
유성준
,
하용훈
한국국방경영분석학회지
2024
.08
최근 본 자료
댓글(0)
0