가중 합 기반 특징 결합 디코더를 이용한 시멘틱 세그멘테이션 모델 경량화

Q: 이 논문에서 정의한 시멘틱 세그멘테이션이란 무엇인가?

이미지의 각 픽셀을 특정 클래스로 분류하는 기술을 의미한다. 이는 이미지 내의 모든 픽셀에 대해 의미론적 레이블을 부여함으로써 객체의 경계와 종류를 정밀하게 구분하는 컴퓨터 비전의 핵심 작업이다.

Q: 가중 합 기반 디코더가 시멘틱 세그멘테이션 모델의 효율성에 어떤 영향을 미치는가?

연구 결과, 가중 합 기반의 WSDecoder를 적용하면 기존 디코더 대비 파라미터 수와 연산량을 크게 감소시킬 수 있다. 그러면서도 기존과 유사하거나 일부 환경에서는 더 뛰어난 성능을 유지하여 모델의 연산 효율성을 획기적으로 높인다.

최동혁; 신욱수; 박한철; 민기; 유영준

학술대회자료

저자정보: 최동혁 (Nota) 신욱수 (Nota) 박한철 (Nota) 민기 (숭실대학교) 유영준 (한양대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2023 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

시멘틱 세그멘테이션 모델의 높은 연산량은 엣지 장치로의 모델 배포를 어렵게 만들거나 클라우드 운용 시 비용 문제를 야기한다. 이러한 연산량 문제를 해결하기 위해 주로 세그멘테이션 모델의 인코더 경량화 연구들이 진행되어 왔으며, 상대적으로 디코더 부분의 계산 효율화에 대한 연구는 집중되지 않았다. 본 연구에서는 디코더 연산 효율화를 위해, 각 인코더 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료

댓글(0)