Current Result Document :
| 한글제목(Korean Title) |
합성곱 신경망 모델의 가지치기 알고리즘 분석 기법 |
| 영문제목(English Title) |
Analyzing Methods for Pruning Algorithms in CNN |
| 저자(Author) |
고종우
김성년
김준기
박승준
배상민
윤세영
Jongwoo Ko
Sungnyun Kim
Joonkee Kim
Seungjoon Park
Sangmin Bae
Se-Young Yun
유정현
이웅희
김영훈
Jeong Hyeon Yu
Wooghee Lee
Younghoon Kim
|
| 원문수록처(Citation) |
VOL 49 NO. 01 PP. 0798 ~ 0800 (2022. 06) |
한글내용
(Korean Abstract) |
가지치기(pruning)는 모델에 포함된 매개변수 수를 줄이는 압축 기법이다. 기존 연구[2]는 합성곱 계층(convolutional layer)에서 두 특징 맵의 세일리언시(saliency)를 계산하여 최솟값인 필터를 가지치기한다. 하지만 세일리언시 수식을 구성하는 요소가 정확도에 어떤 영향을 미치는지, 가지치기와 성능의 상관관계가 파악되지 않았다. 따라서 이 연구에서는 수식을 구성하는 요소 중 채널 사이의 거리 측정 기술에 따라 가지치기 이후 모델이 성능 유지정도를 확인하였다. 또한 세일리언시를 계산하는 요소인 다음층과 이어진 모델 파라미터의 평균값이 가지치기 이후 모델 성능 보존에 어떠한 영향을 주는지 분석하였다. LeNet5에 분석 기법에 따른 가지치기를 적용하였다. 세일리언시 계산에서 채널 사이의 거리 측정 방법은 𝑙1-놈으로 하는 경우 모델 성능 보존에 유리하였다. 한편, 다음 층으로 이어진 가중치 평균을 활용하면 [2]방법이 가지치기를 70% 이상 수행해도 모델의 정확도는 80% 이상이 보존되었다. 이러한 분석 기법은 향후 합성곱 신경망으로 이루어진 모델 전체에 적용하는 가지치기 기술 개발에 발판이 될 것이다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
