MicronNet: 실시간 임베디드 교통 표지 분류를 위한 매우 컴팩트한 딥 컨볼루션 신경망 구조

교통 표지 인식은 지능형 교통 감시 및 분석과 같은 여러 실제 응용 프로그램에서 매우 중요한 컴퓨터 비전 작업입니다. 최근 몇 년 동안 딥 뉴럴 네트워크는 교통 표지 인식에 있어 최고 수준의 성능을 제공하는 것으로 입증되었지만, 임베디드 시스템에서 딥 뉴럴 네트워크를 광범위하게 배포하기 위한 주요 과제는 이러한 네트워크의 높은 계산 및 메모리 요구 사항입니다. 결과적으로, 임베디드 장치에 더 적합한 교통 표지 인식을 위한 컴팩트한 딥 뉴럴 네트워크 구조를 조사하는 것은 상당한 이점이 있습니다. 본 논문에서는 매크로아키텍처 설계 원칙(예: 스펙트럼 매크로아키텍처 강화, 매개변수 정밀도 최적화 등) 및 수치 마이크로아키텍처 최적화 전략을 기반으로 설계된 실시간 임베디드 교통 표지 인식을 위한 매우 컴팩트한 딥 컨볼루션 신경망인 미크론넷(MicronNet)을 소개합니다. 미크론넷의 전체 아키텍처는 인식 성능을 유지하면서 가능한 한 적은 매개변수와 계산량으로 설계되어, 제안된 네트워크의 정보 밀도가 최적화되었습니다. 미크론넷은 모델 크기가 약 1MB이고 약 510,000개의 매개변수(최신 기술 대비 약 27배 적음)를 가지면서도 독일 교통 표지 인식 벤치마크에서 인간 수준의 Top-1 정확도 98.9%를 달성했습니다. 또한, 미크론넷은 추론을 수행하기 위해 약 1,000만 건의 곱셈-누가 연산만 필요하며, Cortex-A53 고효율 프로세서에서 계산 시간이 단 32.19ms입니다. 이러한 실험 결과는 실시간 교통 표지 인식에 적합하고 임베디드 시나리오에 잘 맞는 매우 컴팩트하고 최적화된 딥 뉴럴 네트워크 구조를 설계할 수 있음을 보여줍니다.