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
서유권 (인하대학교) 강진구 (인하대학교) 김용우 (한국교원대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제62권 제4호(통권 제569호)
발행연도
2025.4
수록면
75 - 83 (9page)
DOI
10.5573/ieie.2025.62.4.75

이용수

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

초록· 키워드

오류제보하기
최근 하드웨어 기술의 발전으로 딥러닝 기술이 컴퓨터 비전을 비롯한 다양한 분야에서 활발하게 활용되고 있다. 특히 컴퓨터 비전 분야에서는 높은 성능을 위해 CNN을 사용하는데, 더 많은 컨볼루션 계층을 구성할수록 성능이 향상된다. 그러나 많은 메모리와 연산 자원을 소모하기 때문에 임베디드 환경에서 적용하기 어렵다. 이를 해결하기 위한 방법 중 하나로 32비트 부동소수점 데이터를 더 낮은 비트의 정수 데이터로 변환하는 양자화 기법이 있다. 양자화 기법 중 스케일 인자를 2의 거듭제곱으로 나타내는 등의 방법을 적용하여 하드웨어 친화적으로 양자화를 진행하는 방법이 존재하는데, 이러한 방법은 양자화 인식 훈련을 진행하기 전 배치 정규화 계층 융합을 진행하기 때문에 재훈련 과정에서 배치 정규화 계층의 이점을 받을 수 없다. 본 논문에서는 배치 정규화 계층의 융합 방식을 변형하여, 양자화 인식 훈련 중에도 배치 정규화 계층의 장점을 유지할 수 있는 하드웨어 친화적인 양자화 인식 훈련 기법을 제안한다. 제안된 방법을 YOLOv7-tiny 객체 탐지 모델에 적용하여 성능을 검증한 결과, 기존 방법에 비해 mAP(0.5)에서 최대 1.5%p의 성능 향상을 확인하였다. 또한, 양자화 인식 훈련을 마친 모델을 정수 연산만을 사용하는 네트워크로 변환한 모델에서도 성능을 검증한 결과, mAP(0.5)에서 최대 2.5%p의 성능 향상을 보였다.
#Deep-learning #Hardware-friendly #Integer-only arithmetic #Object detection #Quantization

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 연구 방법
Ⅳ. 실험
Ⅴ. 결론 및 향후 연구 방향
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0