자원제약 내장형 시스템을 위한 컨볼루션 뉴럴 네트워크 모델 자동 경량화 프레임워크 


47권  2호, pp. 136-146, 2월  2020
10.5626/JOK.2020.47.2.136


PDF

  요약

최근 다양한 컨볼루션 뉴럴 네트워크 응용프로그램을 사물인터넷과 같은 자원제약이 심한 내장형 시스템에서 직접 동작시키려는 시도가 증가하고 있다. 하지만 내장형 시스템은 연산 속도와 메모리가 매우 제한적이기 때문에 동작시킬 수 있는 뉴럴 네트워크 모델의 크기가 제약되고 실시간성을 만족하지 못 할 수 있다. 이를 위해 본 논문에서는 주어진 뉴럴 네트워크 모델을 메모리와 수행시간 요구사항을 만족 할 수 있도록 자동으로 경량화하고 타겟 내장형 시스템에서 수행 가능한 코드를 자동으로 생성하는 프레임워크를 제안한다. 제안하는 프레임워크를 활용하여, 다양한 수행시간과 메모리 요구사항을 만족할 수 있도록 뉴럴 네트워크 모델을 서로 다른 성능을 가진 STM32 Nucleo 보드들에 맞게 경량화 하였다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

J. Jeong, D. Lee, H. Jung, H. Yang, "Automatic Convolution Neural Network Model Compression Framework for Resource-Constrained Embedded Systems," Journal of KIISE, JOK, vol. 47, no. 2, pp. 136-146, 2020. DOI: 10.5626/JOK.2020.47.2.136.


[ACM Style]

Jonghun Jeong, Dasom Lee, Hyeonseok Jung, and Hoeseok Yang. 2020. Automatic Convolution Neural Network Model Compression Framework for Resource-Constrained Embedded Systems. Journal of KIISE, JOK, 47, 2, (2020), 136-146. DOI: 10.5626/JOK.2020.47.2.136.


[KCI Style]

정종훈, 이다솜, 정현석, 양회석, "자원제약 내장형 시스템을 위한 컨볼루션 뉴럴 네트워크 모델 자동 경량화 프레임워크," 한국정보과학회 논문지, 제47권, 제2호, 136~146쪽, 2020. DOI: 10.5626/JOK.2020.47.2.136.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr