SqueezeNAS: 더 빠른 의미 분할을 위한 빠른 신경망 구조 검색

실시간 응용 프로그램에서 딥 뉴럴 네트워크(DNNs)를 활용할 때, 모델이 목표 작업에서 높은 정확도를 달성하고 목표 컴퓨팅 플랫폼에서 저 지연 시간 추론을 제공하는 것이 중요합니다. 신경망 구조 탐색(NAS)은 이미지 분류를 위한 저 지연 시간 네트워크 개발에 효과적으로 사용되었지만, 다른 비전 작업을 위한 NAS 활용에는 상대적으로 적은 노력이 기울여져 왔습니다. 본 연구에서는 밀집된 의미 분할을 대상으로 하는 첫 번째 하드웨어 인식 프록시리스(Proxyless) 검색 방법을 제시합니다. 이 접근법을 통해 Cityscapes 의미 분할 데이터셋에서 지연 시간 최적화된 네트워크의 최신 수준의 정확도를 향상시켰습니다. 우리의 지연 시간 최적화된 작은 SqueezeNAS 네트워크는 NVIDIA AGX Xavier에서 35ms 미만의 추론 시간으로 68.02%의 검증 클래스 mIOU를 달성했습니다. 또한, 지연 시간 최적화된 큰 SqueezeNAS 네트워크는 100ms 미만의 추론 시간으로 73.62%의 클래스 mIOU를 달성했습니다. 우리는 NAS를 활용하여 특정 작업과 추론 하드웨어 모두에 최적화된 네트워크를 찾음으로써 상당한 성능 향상을 이룰 수 있음을 입증하였습니다. 또한, 최근의 최신 아키텍처와 비교한 자세한 분석 결과를 제시합니다.