SqueezeNet: AlexNet 수준의 정확도와 50배 적은 매개변수, 0.5MB 미만의 모델 크기

최근의 딥 뉴럴 네트워크 연구는 주로 정확도 향상에 초점을 맞추고 있습니다. 특정 정확도 수준을 달성하는 여러 가지 DNN(딥 뉴럴 네트워크) 구조를 식별할 수 있습니다. 동일한 정확도를 유지하면서 더 작은 DNN 구조는 다음과 같은 세 가지 이점이 있습니다: (1) 더 작은 DNN은 분산 학습 중 서버 간 통신량이 적습니다. (2) 더 작은 DNN은 클라우드에서 자율주행 차량으로 새로운 모델을 전송할 때 필요한 대역폭이 적습니다. (3) 더 작은 DNN은 제한된 메모리를 가진 FPGA(필드 프로그래머블 게이트 어레이) 및 기타 하드웨어에 배포하기가 더 용이합니다. 이러한 모든 이점을 제공하기 위해, 우리는 SqueezeNet이라는 이름의 작은 DNN 구조를 제안합니다. SqueezeNet은 ImageNet에서 AlexNet 수준의 정확도를 50배 적은 매개변수로 달성합니다. 또한, 모델 압축 기술을 사용하여 SqueezeNet을 0.5MB 미만(AlexNet보다 510배 작음)으로 압축할 수 있습니다.SqueezeNet 구조는 다음 링크에서 다운로드할 수 있습니다: https://github.com/DeepScale/SqueezeNet