Core Concepts
하드웨어 제한된 환경에서 고해상도 지식을 활용하여 예측 품질 향상
Abstract
실제 상황에서 신경망을 배포할 때 크기와 계산 노력이 제한 요인임
하드웨어 제한된 환경에서 저해상도 입력을 활용하여 예측 품질 향상
제안된 아키텍처는 고해상도 지식을 활용하여 예측 품질을 5.5% 향상시킴
기존의 경량 의미론적 분할 프레임워크를 향상시킴
Nvidia의 Jetson Nano에서의 배포 속도 테스트
Decathlon 전립선 데이터 세트 및 BraTs 2020 데이터 세트에서 실험 수행
Stats
제안된 모델은 모델에 200개 미만의 매개변수를 추가하면서 예측 품질을 5.5% 향상시킴
ELU-Net은 320x320 입력 해상도에서 98.4%의 Jaccard 점수를 달성
제안된 아키텍처는 16x16 입력 해상도에서 98.7%의 Jaccard 점수를 달성
Quotes
"하드웨어 제한된 환경에서 저해상도 입력을 활용하여 예측 품질을 향상시키는 새로운 방법 제안"
"고해상도 지식을 활용하여 경량 입력에 대한 최소한의 타협"