단일 그래프 컨볼루션은 당신이 필요한 전부입니다: 효율적인 회색조 이미지 분류

도메인 특화 작업, 예를 들어 합성(aperture) 레이더 자동 타깃 인식(SAR ATR) 및 흉부 X선 분류와 같은 과제에서 이미지 분류기는 일반적으로 합성곱 신경망(CNN)에 의존한다. 이러한 네트워크는 강력한 성능을 제공하지만, 수행하는 연산 수가 많아 높은 지연(latency)을 겪게 되며, 이는 실시간 응용에서 문제가 될 수 있다. 많은 이미지 분류 모델은 RGB 및 회색조(grayscale) 데이터셋 모두에서 작동하도록 설계되어 있지만, 회색조 이미지에만 기반한 분류기는 상대적으로 드물다. 회색조 이미지 분류는 의료 영상 및 SAR ATR와 같은 분야에서 중요한 응용을 가지고 있다. 이에 대응하여, 본 연구에서는 이미지를 벡터화된 형태로 다루는 새로운 회색조 이미지 분류 방식을 제안한다. 다층 퍼셉트론(MLP)의 경량성 특성을 활용하여 이미지를 벡터로 취급함으로써, 회색조 이미지 분류 문제를 단순화한다. 제안하는 방법은 배치 단위(batch-wise)로 단일 그래프 합성곱 레이어를 통합하여 정확도를 향상시키고 성능 변동성을 감소시킨다. 또한, 본 모델을 위한 맞춤형 FPGA 기반 가속기(FPGA accelerator)를 개발하였으며, 성능 향상을 위한 여러 최적화 기법을 포함하였다. 기준 회색조 이미지 데이터셋에 대한 실험 결과는 본 방법의 효과성을 입증하며, MSTAR 데이터셋 기준 최대 16배까지 지연 시간을 감소시키고, SAR ATR 및 의료 이미지 분류 분야에서 최신 기술 대비 경쟁력 있거나 우수한 성능을 달성함을 보여준다.