Current Result Document :
| 한글제목(Korean Title) |
Blending KD: 반복형 구조를 띈 모델을 위한 지식 증류 |
| 영문제목(English Title) |
Blending KD: Distillation for Model with Recurrent Architecture |
| 저자(Author) |
김민제
고종환
Min Je Kim
Jong Hwan Ko
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 1564 ~ 1566 (2022. 12) |
한글내용
(Korean Abstract) |
모델 경량화는 인공지능 산업 전반에서 더 넓은 영역으로 확장시키게 해줄 수 있는 중요한 연구 분야이다. 지식 증류 기법은 모델 경량화 기법 중 하나로 여러 연구자들 사이에서 활발히 사용되고 있는 경량화 기법이다. 이 논문에서 반복형 구조를 띄는 모델을 경량화 시킬 수 있는 새로운 Blending Knowledge Distillation 기법과 Attentive Mixed Loss 함수를 제안한다. 반복형 구조를 가진 Bi-PointFlowNet에 Blending KD를 적용하여 38% 적은 수의 계산량과 42% 짧은 추론 시간으로 높은 장면 흐름 예측 정확도를 달성할 수 있다. 각 실험 데이터셋은 FlyingThings3D을 활용하였고, 일반적인 상황에서 성능을 측정하기 위해서 Real-Data KITTI 데이터셋을 활용하여 측정하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
