인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
최근 제안되는 시멘틱 세그멘테이션 모델은 높은 계산 복잡도를 특징으로 하며, 이는 자원 제약성이 높은 엣지 장치에서의 사용성 문제를 야기하거나, 높은 클라우드 비용 문제를 발생시킬 수 있다. 이러한 문제를 해결하고자 세그멘테이션 모델의 인코더 연산을 효율화하는 다양한 방법론들이 제안되어왔다. 그러나 과거와 달리 최근 제안되는 모델들은 인코더 상의 다수 스테이지로부터 발생 되는 특징 맵을 디코더에서 결합하는 복잡한 연산을 수행하기 때문에, 디코더의 계산 복잡도 또한 상당히 증가하게 되었다. 그럼에도 불구하고 여전히 디코더에 대한 연산 효율화 문제는 상대적으로 잘 다뤄지지 않고 있다. 본 연구에서는 특징 맵들을 단순 가중 합하여 결합하는 비교적 효율적인 디코더 연산 방법론을 제안한다. 본 연구의 실험을 통해 다양한 데이터 셋과 모델의 조합에서 제안된 가중 합 방식의 디코더 연산 방법론이 성능 저하를 최소화하면서도 동시에 연산 효율성을 큰 폭으로 개선할 수 있음을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-089227005
