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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김재명 (인하대학교) 강진구 (인하대학교) 김용우 (상명대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제57권 제12호(통권 제517호)
발행연도
2020.12
수록면
51 - 59 (9page)
DOI
10.5573/ieie.2020.57.12.51

이용수

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

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
최근 컴퓨터 비전 분야에서 우수한 성능을 보이는 CNN을 이용한 얼굴 감정인식 연구가 수행되고 있다. 높은 분류 정확도를 얻기 위해서는 많은 수의 파라미터와 높은 연산 복잡도를 가지는 CNN 구조가 필요하다. 하지만, 이와 같은 CNN 모델은 하드웨어 자원 사용량이 제한되어 있는 환경에서는 적합하지 않다. 따라서 본 논문에서는 제한된 환경 하에서의 최적화된 구현을 위해 적은 수의 파라미터와 낮은 연산 복잡도를 지닌 경량화된 CNN 구조를 설계하였고 정확도를 유지하면서도 파라미터 수 및 연산 복잡도를 낮출 수 있는 양자화 기법을 제안하였다. 또한 높은 분류 정확도를 위해 다양한 영상처리 알고리즘을 이용한 데이터 증강기법을 제안하였다. 제안한 부동소수점으로 훈련된 CNN모델(FP32)에 FERPlus 데이터 세트를 적용하여 성능을 평가한 결과, 파라미터 수는 약 1.98M개, FLOPs는 31MFLOPs, 정확도는 86.87%의 결과를 보였으며 기존의 경량화 모델과 비교하였을 때 가장 높은 정확도를 달성하였다. 또한, 제안한 양자화 기법을 적용하여 8-bit모델(INT8)에서 파라미터 수는 약 495K개, 4-bit모델(INT4)에서 파라미터 수는 약 247.5K개로 제안한 두 양자화된 CNN 모델(INT8, INT4)은 제안한 FP32 CNN모델 대비 1/4, 1/8만큼 적은 파라미터 수를 지니면서도 정확도 하락은 0.54% 이하인 것을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. CNN 기반 얼굴 감정 인식 관련 연구
Ⅲ. 연구 방법
Ⅳ. 실험
Ⅴ. 결론 및 향후 연구 방향
REFERENCES

참고문헌 (23)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001451118