메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
배승주 (국민대학교) 최현준 (국민대학교) 정구민 (국민대학교)
저널정보
한국정보전자통신기술학회 한국정보전자통신기술학회 논문지 한국정보전자통신기술학회 논문지 제12권 제5호
발행연도
2019.10
수록면
467 - 474 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 이 논문에서는 NVIDIA Jetson TX1에서 YOLO v2 모델의 정확도를 유지하면서 FPS를 개선하는 방법을 제안한다. 일반적으로, 딥러닝 모델에서는 연산량을 줄여 처리 속도를 높이기 위해 파라미터들을 실수형에서 정수형으로 변환하여 정수 연산을 통해 속도를 높이거나 네트워크의 깊이를 감소시키는 방법을 사용한다. 그러나 이 방법들은 인식 정확도가 떨어질 수 있다. 이 논문에서는 YOLO v2 모델을 이용해 표정인식기를 개발하고 정확도 유지 시키기 위해 정수 연산이나 네트워크 깊이 감소를 사용하는 대신, 다음 세 가지 방법을 통해 연산량 및 메모리 소모를 줄인다. 첫 번째, 3x3 필터를 1x1 필터로 교체하여 각 Layer 당 매개 변수 수를 9 분의 1로 줄인다. 두 번째, TensorRT의 추론 가속 기능 중 CBR (Convolution-Add Bias-Relu)을 통해 연산량을 줄이고, 마지막으로 TensorRT를 사용하여 반복되는 동일한 연산구조를 가진 레이어를 통합하여 메모리 소비를 줄인다. 시뮬레이션 결과, 기존 YOLO v2 모델에 비해 정확도는 1 % 감소했지만 FPS는 기존 3.9 FPS에서 11 FPS로 282%의 속도 향상을 보였다.
#Deep Learning #Embedded system. Facial expression recognition #TensorRT #YOLO

목차

요약
Abstract
1. 서론
2. 관련 연구
3. Jetson TX1 기반 YOLO v2 모델의FPS 향상 방법 제안
4. Jetson TX1 기반의 YOLO v2 모델을 이용한 사람 표정 인식 구현
5. 결론
REFERENCE

참고문헌 (8)

참고문헌 신청
Large Scale Visual Recognition Challenge google schola Ren, S / 2015 / Advances in neural, information processing systems :91~99 google schola Redmon, J / 2016 / You only look once: Unified, real-time object detection / Proceedings of the IEEE conference on computer vision and pattern recognition :779~788 google schola Redmon, J / 2017 / YOLO9000: better, faster, stronger google schola 이민학 / 2017 / 통합메모리를 이용한 임베디드 환경에서의 딥러닝 프레임워크 성능 개선과 평가 / 정보과학회 컴퓨팅의 실제 논문지 23(7):417~423 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

YOLO와 TensorRT를 활용한 실시간 객체 검출 속도 개선
안영선 ,  이충희 대한전자공학회 학술대회 2020 .08
지역개발형 지역사회서비스투자사업의 지역특성 반영 현황 분석 : 노인대상서비스를 중심으로
김유리 한국사회복지행정학회 학술대회 자료집 2014 .10
YOLOv5 기반의 딥러닝 성능 개선 연구
박진원 ,  김영진 한국통신학회 학술대회논문집 2022 .06
수정된 YOLO v4를 활용한 해상에서 객체 탐지 및 분류 모형 개발
김정환 ,  문호석 한국국방경영분석학회지 2021 .12
자율주행용 임베디드 플랫폼 탑재를 위한 YOLOv4 기반 객체탐지 경량화 모델 개발
심이삭 ,  임주형 ,  장영완 외 3명 한국자동차공학회논문집 2021 .10

최근 본 자료

전체보기

댓글(0)

0