라즈베리 파이에서 이미지 분류를 위한 효율적인 컨볼루션 신경망

컴퓨터 비전(CV) 분야에서 딥러닝 알고리즘의 뛰어난 성능에 힘입어 컨볼루션 신경망(CNN) 아키텍처는 컴퓨터 비전 작업의 주요 핵심 기반으로 자리 잡았다. 모바일 장치의 보편화에 따라 계산 성능이 낮은 플랫폼에서 작동할 수 있는 신경망 모델에 대한 관심이 점차 증가하고 있다. 그러나 계산 성능의 한계로 인해 일반적으로 딥러닝 알고리즘은 모바일 장치에서 직접 실행되기 어렵다. 본 논문에서는 라즈베리파이(Raspberry Pi)에서 쉽게 동작할 수 있도록 설계된 경량 컨볼루션 신경망인 TripleNet을 제안한다. ThreshNet의 블록 연결(block connections) 개념을 차용하여 새롭게 제안된 이 네트워크 모델은 네트워크를 압축하고 가속화함으로써 모델의 파라미터 수를 줄이고, 각 이미지에 대한 추론 시간을 단축하면서도 정확도를 유지한다. 제안한 TripleNet과 기타 최신 기술(SOTA) 신경망 모델을 이용하여 라즈베리파이에서 CIFAR-10 및 SVHN 데이터셋을 활용한 이미지 분류 실험을 수행하였다. 실험 결과, GhostNet, MobileNet, ThreshNet, EfficientNet, HarDNet 대비 TripleNet의 이미지당 추론 시간이 각각 15%, 16%, 17%, 24%, 30% 단축됨을 확인하였다. 본 연구의 세부 코드는 다음 링크에서 확인할 수 있다: https://github.com/RuiyangJu/TripleNet.