피처 프레임 구성 방안에 따른 피처 맵 압축 효율 및 머신 태스크 성능 분석

이성배; 이민석; 김규헌

추천

검색

질문

자료유형: 학술저널

저자정보: 이성배 (경희대학교) 이민석 (경희대학교) 김규헌 (경희대학교)

저널정보: 한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제27권 제3호

발행연도: 2022.5

수록면: 318 - 331 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2022

피처 맵 리사이징과 보간법에 따른 압축 및 머신태스크 성능 분석

이성배 , 이민석 , 김규헌 한국방송미디어공학회 학술발표대회 논문집 2022.06 학술대회자료

피처 프레임 구성 방안에 따른 피처 맵 압축 효율 및 머신 태스크 성능 분석

이성배 , 이민석 , 김규헌 방송공학회논문지 2022.05 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 하드웨어 연산 장치와 소프트웨어 기반 프레임워크의 발전으로 딥러닝 네트워크를 활용한 머신 태스크가 다양한 산업 분야 및 개인 IoT 장비에서의 활용이 기대되고 있다. 그러나 딥러닝 네트워크를 구동하기 위한 장치의 고비용 문제와 서버에서 머신 태스크 결과만을 전송받을 때 사용자가 요구하는 결과를 받지 못할 수 있다는 제한 사항을 극복하기 위하여 Collaborative Intelligence (CI)에서는 피처 맵의 전송을 그 해결 방법으로 제시하였다. 본 논문에서는 CI 패러다임을 지원하기 위하여 방대한 데이터 크기를 갖는 피처 맵의 효율적인 압축 방법을 실험을 통해 분석 및 제시하였다. 해당 방법은 전통적인 비디오 코덱에서의 압축 효율을 높이기 위하여 피처 맵의 재정렬을 적용하여 중복성을 높였으며, 정지 영상 압축 포맷과 동영상 압축 포맷을 동시에 활용하여 압축 효율을 높이고 머신 태스크의 성능을 유지하는 피처 맵 방법을 제시하였다. 본 논문에서는 이와 같은 방법의 분석을 통해 MPEG-VCM의 피처 압축 앵커 대비 BPP와 mAP의 BD-rate에서 14.29%의 성능이 향상됨을 검증하였다.

#Deep Learning #Video Coding for Machine #Feature Frame #Feature Map Compression #Moving Picture Expert Group

참고문헌 (23)

참고문헌 신청

LECUN, Yann, et al. Backpropagation applied to handwritten zip code recognition. Neural computation, 1989, 1.4: 541-551 doi: https://doi.org/10.1162/neco.1989.1.4.541

KANG, Yiping, et al. Neurosurgeon: Collaborative intelligence between the cloud and mobile edge. ACM SIGARCH Computer Architecture News, 2017, 45.1: 615-629. doi: https://doi.org/10.1145/3093337.3037698

CHEN, Zhuo, et al. Toward intelligent sensing: Intermediate deep feature compression. IEEE Transactions on Image Processing, 2019, 29: 2230-2243. doi: https://doi.org/10.1109/TIP.2019.2941660

M. Rafie, Y. Zhang, and S. Liu, “[VCM] Evaluation Framework for Video Coding for Machines,” ISO/IEC JTC 1/SC 29/WG 2, m58385, Online, Oct. 2021.

Minhun Lee, Hansol Choi el al. "[VCM track 1] EE1.2 P-layer feature map anchor generation for object detection on OpenImageV6 dataset", ISO/IEC JTC 1/SC 29/WG 2, m58786, Online, Jan. 2022.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이성배

소속기관 경희대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5%

논문수 30 이용수 1,518

이민석

소속기관 연세대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 전기전자공학 > 정보통신공학

논문수 15 이용수 1,003

KYUHEON KIM

소속기관 Kyung Hee University

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 컴퓨터학

논문수 168 이용수 9,170

이 논문과 함께 이용한 논문

3D DCT 를 이용한 포인트 클라우드의 움직임 예측/보상 기법

이민석 , 김보연 , 윤상은 외 3명 한국방송미디어공학회 학술발표대회 논문집 2021 .06

V3C 비트스트림 기반 ISOBMFF 캡슐화 실험

남귀중 , 김준식 , 김규헌 한국방송미디어공학회 학술발표대회 논문집 2021 .06

User Association에 따른 User-Centric Cell-Free Massive MIMO 성능분석

이제우 , 김영민 , 안희준 외 1명 한국통신학회논문지 2020 .11

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (23)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)