컴퓨터 비전 딥러닝 경량화 연구

지난 10년간 딥러닝 모델은 시각 인지 과제에서 인간 수준을 넘어서는 성능을 보이며 자율주행, 모바일 기기, 로봇 공학 등 실제 응용 분야에 대한 관심을 높였습니다. 그러나 최첨단 모델들은 막대한 연산 자원을 요구하여 전력 소비, 지연 시간, 탄소 배출량 측면에서 실용적이지 않다는 문제가 있습니다. 이러한 효과성과 효율성 간의 상충 관계는 추론 시 연산 비용을 최소화하면서 만족스러운 성능을 달성하는 '연산 효율적인 딥러닝'이라는 새로운 연구 분야를 촉발했습니다. 본 연구는 빠르게 발전하는 이 분야를 네 가지 핵심 영역으로 분석합니다. 첫째, 판별력 있는 심층 표현 추출을 위한 정적 또는 동적 경량 백본 모델 개발. 둘째, 특정 컴퓨터 비전 작업에 최적화된 네트워크 아키텍처 및 알고리즘. 셋째, 딥러닝 모델 압축 기술. 넷째, 효율적인 딥 네트워크를 하드웨어 플랫폼에 배포하는 전략을 다룹니다. 또한, 네트워크 아키텍처 설계, 학습 방식, 실제 효율성, 현실적인 모델 압축 접근 방식 등 이 분야가 직면한 주요 과제들을 체계적으로 논의합니다. 이를 통해 향후 연구 방향에 대한 통찰을 제공합니다. 이 연구는 컴퓨터 비전 분야에서 딥러닝 모델의 실용적 적용을 위한 효율성 문제를 해결하는 데 기여하며, 관련 연구자들에게 포괄적인 관점과 미래 방향을 제시합니다.