ENet: 실시간 의미 분할을 위한 깊은 신경망 구조

실시간으로 픽셀 단위의 의미 분할을 수행하는 능력은 모바일 애플리케이션에서 매우 중요합니다. 최근 이 작업을 목표로 하는 딥 뉴럴 네트워크들은 많은 부동 소수점 연산이 필요하고, 긴 실행 시간으로 인해 사용성이 제한되는 단점이 있습니다. 본 논문에서는 저 지연 시간 작동을 요구하는 작업에 특화된 새로운 딥 뉴럴 네트워크 구조인 ENet (Efficient Neural Network)를 제안합니다. ENet는 최대 18배 더 빠르며, 기존 모델보다 75배 적은 FLOPs(부동 소수점 연산)와 79배 적은 매개변수를 필요로 하면서 유사하거나 더 우수한 정확도를 제공합니다. 우리는 CamVid, Cityscapes 및 SUN 데이터셋에서 ENet를 테스트하였으며, 기존 최신 방법들과의 비교 결과와 네트워크의 정확도와 처리 시간 간의 균형 조절에 대한 내용을 보고합니다. 또한 제안된 구조가 임베디드 시스템에서 어떻게 작동하는지 성능 측정 결과를 제시하며, ENet를 더욱 빠르게 만들 수 있는 가능한 소프트웨어 개선 방안을 제안합니다.