임베디드 시스템 상의실시간 물체 인식을 위한동적 네트워크 선택 기법

Abstract

최근 딥러닝 기술이 비약적으로 발전함에 따라, 컴퓨터 비전 분야에 딥러닝 기술을 적용하여 큰 성공을 거두고 있다. 특히 이 중에서도 물체 인식의 경우 자율주행 자동차를 비롯한 다양한 임베디드 제품군에서 수요가 있어 각광을 받고 있다. 이에 따라 온-보드 물체 인식 기술은 최근 매우 중요한 이슈로 떠올랐다.

임베디드 시스템은 비용과 전력의 문제 때문에 컴퓨팅 파워가 적고, 메모리 크기가 작다는 제한점이 있다. 기존의 물체 인식 네트워크들의 경우 파라미터와 계산량이 많아 임베디드 시스템에 적합하지 않고, 따라서 이런 제약 조건 하에서 딥러닝을 이용한 물체 인식을 수행하기는 매우 어렵다.

본 논문은 딥러닝을 이용한 물체 인식 기술의 계산량을 줄이고, 임베디드 시스템 상에서 동작할 수 있도록 하는 동적 네트워크 선택 기법을 제안한다. 이미지와 영상 물체 인식 네트워크 각각에 대해 서로 다른 Q 학습 방법을 이용해 동적 네트워크 선택 기법을 학습시킴으로써 물체 인식 기술의 계산량을 줄였다. 그 결과 이미지, 영상 물체 인식의 두 가지 경우 각각 2.75, 2.5의 mAP 손실로 JETSON TX-2 상에서 2배의 속도 향상을 달성하였다.