On-Device AI를 위한 이진화 영상 분할 신경망 모델과 하드웨어 가속기 다시보기
세션 영상
예고편
기존 이미지 처리 신경망은 32-bit FP 환경에서 학습되어
사용된다. 때문에 실제 이미지를 처리함에 있어서 많은 양의
메모리와 연산량을 요구한다. 이러한 이미지 처리 신경망 중 특히
영상 분할 신경망은 모델 자체의 크기도 클 뿐더러 중간 연산
결과물인 활성화 값이 갖는 메모리가 매우 크기 때문에 On-Device
AI를 위한 신경망 경량화와 이를 연산하기 위한 가속 하드웨어가
필요로 하게 된다. 본 발표는 이와 관련하여 On-Device AI를 위한
경량 딥러닝 모델과 하드웨어 가속기를 소개할 예정이다. 신경망
경량화 기술 중 하나인 신경망 양자화를 이용하여 1-bit weight와
activation을 사용하는 신경망 모델링하고 이를 하드웨어
가속한다. 이를 통해 하드웨어 지향 딥러닝 오픈소스 생태계와
하드웨어 오픈 소스 생태계에 기여하고자 한다. 또한 딥러닝
소프트웨어 분야와 하드웨어 분야의 협동을 통해 문제를 풀어간
경험을 공유하고자 한다.
- 김정훈
- 김정훈은 고려대학교에서 제어로봇시스템을 전공하였으며, 센서로부터 얻은 시그널 처리에 대해 연구하였다. 시기가 맞물려 자연스레 딥러닝을 접하였고, 지금은 석사 졸업 후 전문연구요원으로 딥러닝 엔지니어로 일하고 있다. 연구를 진행함에 있어서 새로운 문제를 발견하고 해결 방법을 찾는 과정은 김정훈의 큰 관심사이며, 이러한 과정을 동료와 함께 공유하며 성장하였다. 김정훈의 연구 목표 키워드는 ＂관찰＂, ＂분석＂ 그리고 ＂협동＂이며, 최근에는 Deep Learning Application, Neural Network Model Compression, Robotics Perception 등에 관심을 갖고 있다.
- 김현우 / 한양대학교 전자컴퓨터통신공학과
- 김현우는 현재 한양대학교 전자컴퓨터통신공학과 박사 과정에 재학 중이다. 컴퓨터 아키텍쳐와 FPGA 및 칩 설계 공부를 주로 하였으며, 석사 때는 비디오 코덱인 HEVC에 customize된 ASIP 설계를 주제로 연구하였으며, 해당 연구로 석사 학위를 받았다. 박사 과정 중에는 딥러닝 하드웨어 가속기에 관심을 가지고 공부를 시작하였으며, 최근에는 quantized neural network, 그 중에서도 binary/ternary neural network의 하드웨어 가속에 관한 개발을 진행 중에 있다.
SESSION 참여 이벤트 이벤트 자세히 보기
각 세션에 입장하셨다면 세션 착석하기를 클릭하고 출석체크를
해주세요!
출석체크를 완료한 분들 중 추첨을 통해 갤럭시 버즈 라이브를
드립니다.
- 많은 세션에 참여 할 수록 당첨 확률 UP!
- 출석체크는 세션 On-air 시간에만 가능합니다.
세션에 대한 후기/궁금증/의견을 자유롭게 댓글로 남겨 주세요.
* 게시판의 취지와 맞지 않는 댓글(욕설, 비방 포함)은 관리자에 의해 사전 고지없이 삭제됩니다.
* 댓글은 세션 ON-AIR 시간에만 작성하실 수 있으며, 댓글은 1분마다 새로고침 됩니다.