김형신 연구실

본 연구는 채널별 가중 분산을 기반으로 필터의 중요도를 평가하는 구조화된 가지치기 방법을 제안합니다. 기존의 크기 기반 지표와 달리 가중 분산은 합성곱 계층 내 가중치의 분산 분포를 통해 보완적 정보를 포착합니다. ImageNet 데이터셋 실험에서 제안 방법은 2G MACs로 76.2% Top-1 정확도를 달성하여 ResNet-50 기준 대비 절반 이하의 계산 비용으로 우수한 성능을 보입니다.

본 논문은 원격 감지 이미지의 온보드 객체 탐지를 위해 두 단계 탐지기를 단순화하는 방법을 제안합니다. 기존 특성 피라미드 네트워크 대신 단일 특성 추출 과정을 사용하며, IoU 기반 양성 앵커 선택 방법과 고주파 필터를 적용하여 정확도 저하를 보상합니다. DOTAv2.0 데이터셋에서 계산 비용을 58.1% 감소시키면서 평균 정확도를 1.6%p 향상시켰으며, Oriented-RCNN에서는 동일한 정확도를 유지하면서 처리량을 31.8% 개선했습니다.

엣지 디바이스의 제한된 컴퓨팅 자원으로 인한 온디바이스 훈련 시간을 단축하기 위해, 산술 강도를 고려한 계층 수준의 선택 방법을 제안합니다. 기존 텐서 선택 방식인 ElasticTrainer 대비 정확도 손실 0.1% 미만으로 훈련 시간을 최대 25% 단축합니다.