Core Concepts
TinySeg는 작은 임베디드 시스템에서 메모리 효율적인 이미지 분할을 가능하게 하는 새로운 모델 최적화 프레임워크이다.
Abstract
이 연구는 TinySeg라는 새로운 모델 최적화 프레임워크를 제안한다. TinySeg는 이미지 분할 모델의 메모리 사용을 최적화하여 작은 임베디드 시스템에서 이미지 분할을 가능하게 한다.
TinySeg의 주요 구성요소는 다음과 같다:
냉각 범위 분석기: 모델 그래프의 각 텐서에 대한 냉각 범위를 분석하여 오랫동안 사용되지 않는 텐서를 식별한다.
그래프 변환기: 냉각 범위 분석 결과를 바탕으로 모델 그래프를 변환한다. 주요 변환 방법은 다음과 같다:
텐서 스필링: 오랫동안 사용되지 않는 텐서를 로컬 또는 원격 저장소로 옮겨 메모리 사용을 줄인다.
융합된 페칭: 중간 텐서를 제거하여 메모리 사용을 줄인다.
TinySeg 런타임은 텐서 스필링과 페칭을 효율적으로 구현한다. 동적 텐서 압축과 비동기 블록 연산을 통해 데이터 전송 오버헤드를 최소화한다.
실험 결과, TinySeg는 이미지 분할 모델의 피크 메모리 사용량을 최대 39.3% 줄일 수 있었다. 또한 내부 플래시 메모리를 활용한 텐서 스필링을 통해 네트워크 지연 시간을 크게 개선할 수 있었다.
Stats
이미지 분할 모델의 피크 메모리 사용량은 기존 프레임워크 대비 39.3% 감소했다.
내부 플래시 메모리를 활용한 텐서 스필링 시 네트워크 지연 시간이 1270ms로 가장 낮았다.
Quotes
"이미지 분할은 자율 주행 무인 항공기와 같은 다양한 분야에 적용될 수 있는 주요 컴퓨터 비전 작업이다."
"이미지 분할 모델은 일반적으로 아키텍처 특성으로 인해 높은 피크 메모리 사용량을 가지므로 작은 임베디드 시스템에서 구현하기 어렵다."