EvoPose2D: 가중치 전이를 활용한 가속화된 신경진화를 통한 2D 인간 자세 추정의 경계 확장

신경망 아키텍처 탐색(Neural architecture search)은 수동 설계된 네트워크보다 모바일 배포에 더 적합한 효율적인 합성곱 신경망 설계에 매우 효과적임이 입증되었다. 인간 자세 추정 분야에서 신경망 아키텍처 탐색이 큰 잠재력을 지니고 있다고 가정하여, 본 연구는 생물학적 진화를 모방한 신경진화(Neuroevolution) 기법—즉, 신경망 아키텍처 탐색의 한 형태—을 2차원 인간 자세 추정 네트워크 설계에 처음으로 적용한다. 또한, 신경진화 과정을 유연하게 가속화할 수 있도록 새로운 가중치 전이 방식을 제안한다. 제안된 방법은 최신 수동 설계 네트워크보다 더 효율적이고 정확한 네트워크 설계를 생성한다. 실제로, 기존 수동 설계 네트워크가 낮은 해상도에서 처리하던 이미지를 더 높은 해상도로 처리하면서도 더 적은 계산량을 사용함으로써, 2차원 인간 자세 추정의 한계를 극복할 수 있게 되었다. 신경진화를 통해 설계한 기본 네트워크인 EvoPose2D-S는 SimpleBaseline과 유사한 정확도를 달성하면서도 계산 속도는 50% 빠르고 파일 크기는 12.7배 작다. 가장 큰 네트워크인 EvoPose2D-L은 Microsoft COCO 키포인트 벤치마크에서 새로운 최고 성능을 기록했으며, 가장 가까운 경쟁자보다 4.3배 작고, 추론 속도는 유사하다. 관련 코드는 공개적으로 제공되며, https://github.com/wmcnally/evopose2d 에서 확인할 수 있다.