DupNet: 얼굴 탐지용 정밀도 향상된 매우 소형 양자화 CNN 으로의 도전

엣지 장치에 딥러닝 기반의 얼굴 탐지기 배포는 제한된 계산 자원으로 인해 도전적인 과제이다. 매우 작은 네트워크의 가중치를 이진화함으로써 모델 크기 측면에서 놀라운 컴팩트함을 달성할 수는 있으나(예: IFQ-Tinier-YOLO의 경우 240.9 KB), 엄격한 메모리 제약 조건을 가진 임베디드 장치에 적합할 정도로 충분히 작지는 않다. 본 논문에서는 두 가지 구성 요소로 이루어진 DupNet을 제안한다. 첫째, 계산 부담이 큰 층에서 가중치의 채널을 중복시켜 모델 크기를 축소한다. 둘째, 양자화 시 정확도가 크게 저하되는 양자화 민감 층에 대해 입력 특징 맵을 중복시킨다. 이를 통해 더 많은 가중치 채널을 활용하여 더 대표적인 출력을 생성할 수 있다. 이러한 기반 위에서, 모델 크기가 6.5배 작고 계산 복잡도는 42.0% 감소하면서도 IFQ-Tinier-YOLO보다 2.4% 높은 탐지 성능을 달성하는 매우 작은 얼굴 탐지기인 DupNet-Tinier-YOLO를 제안한다. 전체 정밀도(Tiny-YOLO)와 비교했을 때, DupNet-Tinier-YOLO는 모델 크기와 계산 복잡도에서 각각 1,694.2배, 389.9배의 절감 효과를 보이며 탐지율은 단지 4.0% 감소(0.880 대 0.920)에 그친다. 또한 본 연구의 DupNet-Tinier-YOLO는 단 36.9 KB로, 현재까지 알려진 최소 크기의 딥러닝 기반 얼굴 탐지기이다.