OGQ GYN Developers Day는 OGQ GYN의 모델 개발 과정 및 논문 등을 많은 기업 분들께 발표하는 자리로, 매월 마지막 주 수요일에 진행되고 있습니다.
이번 컨퍼런스에선 기존 존재하던 EN675와 Server타입을 합친 EN675+Server 타입의 개념에 대해서 소개해드렸습니다.
Contents
Conference 개요
•
일시 : 2023년 02월 22일 13:00 ~ 14:00
•
장소 : Zoom 미팅
•
참여기업 (가나다순)
◦
베스트디지탈 BEST DIGITAL
•
순서
1.
참여 업체 소개
2.
OGQ GYN 발표
•
사회자: OGQ GYN 우재현 연구원
•
발표자: OGQ GYN 정재희 연구원
3.
Q&A
1. Previous Presentation Summary
지난 컨퍼런스에서는 Online Perception의 실시간 추론에서 발생하는 문제와 이를 해결하기 위한 네트워크인 StreamYOLO에 대해서 소개해드렸습니다.
2. EN675 + Server
-12x.png&blockId=41b8529e-5b47-485c-aa86-d2b30167c45a)
•
일반적으로 사용하는 많은 네트워크 구조들은 일반적으로 backbone, neck, head 등의 여러 subnetwork 단위로 나눌 수 있습니다.
Conventional Method
-22x.png&blockId=bc2553ad-64da-4bab-bf81-f2e5148d066a)
•
기존에는 네트워크 전체를 각각 EN675와 Server 타입에 넣었습니다.
•
이때문에 task 또는 네트워크 구조를 변경하기 위해서는 네트워크를 새로 학습시켜서 새로 넣어야 했습니다.
EN675 + Server
-32x.png&blockId=e4930167-46ca-4bed-a96e-dc19d8a5138d)
•
EN675 + Server 타입은 앞에서 설명드렸듯이 네트워크를 여러 개의 subnetwork로 나눌 수 있다는 점에서 착안하였습니다.
•
EN675에는 backbone만을 적용하여 feature map을 추출하는 역할을 수행합니다.
•
이후 server에서 feature map을 넘겨받아 neck, head 등의 decoder를 적용하게 됩니다.
•
이러한 구조를 적용함을 통해서 성능과 속도 증가를 기대하고 있고, backbone은 유지한 채 서버의 네트워크 구조만을 수정할 수 있는 확장성을 얻을 수 있습니다.
Application
Performance
-42x.png&blockId=464a39c9-0eea-4276-94bc-daee031e5f3a)
•
EN675에는 적용할 수 있는 네트워크가 한정되어있어 성능을 향상시키는 데에 제한이 있습니다.
•
decoder 부분을 서버로 옮겨 연산하게 된다면 deformable convolution과 같은 layer를 활용하여 네트워크를 구성할 수 있기 때문에 성능 향상을 기대할 수 있습니다.
Shared Backbone
-52x.png&blockId=3a46cace-2482-48b0-8fb6-2aad58097b26)
•
EN675측의 backbone 네트워크는 그대로 유지한 상태로 서버 측의 네트워크만을 변경하여 multi-task를 수행할 수 있습니다.
•
EN675에서 넘겨주는 feature map만을 가지고 fine-tuning하면 되기 때문에 확장성이 뛰어납니다.
-62x.png&blockId=c39715e8-ef5f-43c9-af91-de8f535823e0)
•
이를 응용하여 fire detection과 같은 task에서 동작 시간을 더욱 빠르게 할 수 있습니다.
•
classifier를 붙여 객체가 있다고 판단될 때에만 detection을 수행하게 되면 비교적 무거운 detection network가 필요할 때에만 동작하기 때문에 속도가 개선됩니다.
•
feature map을 받아 연산을 수행하기 때문에 같은 이미지에 대해서 다시 feature map을 추출할 필요가 없기 때문에 불필요한 연산을 더욱 줄일 수 있습니다.
Video Task
-72x.png&blockId=8b6af540-4fb8-4544-abc4-c5c49c1364b5)
•
서버 측 네트워크에서 추출된 feature map을 저장하고 함께 처리할 수 있도록 하면 영상과 같은 시계열 데이터를 처리할 수 있습니다.
-82x.png&blockId=1588c909-bce5-433a-b77b-d94a840a4409)
•
Video Semantic Segmentation 네트워크 중 하나인 TMANet은 현재 프레임과 이전 프레임들을 저장하여 각 객체 간의 연관성을 계산하여 현재 프레임에 대한 예측 결과를 만들게 됩니다.
•
사진에서 파란색으로 표시된 backbone 부분을 EN675에, 빨간색으로 표시된 영역을 Server에 넣게 되면
•
또한 서버측에서는 이미지가 아닌 feature map을 받아 저장하기 때문에 이전 프레임들에 대한 feature map을 새로 추출할 필요가 없어 연산 속도를 개선할 수 있습니다.
Search
.jpg)
OGQ GYN의 기술블로그를 비상업적으로 사용 시 출처를 남겨주세요.
상업적 용도를 원하실 경우 문의 부탁드립니다.
E-mail. tech@gynetworks.com
OGQ Corp. All right reserved.