Core Concepts
TinySeg は、メモリ使用量の高い画像セグメンテーションモデルを、メモリ制限の小さい組み込みシステムで実行可能にする新しいモデル最適化フレームワークである。
Abstract
本研究は、画像セグメンテーションモデルが一般的に高いピークメモリ使用量を持つことに着目し、その問題を解決するTinySeg フレームワークを提案している。
TinySeg は、モデルグラフの冷却範囲を分析し、長期間メモリに残る tensors と大きな中間 tensors を特定する。その上で、2つの主要な最適化手法を適用する:
tensors のローカルまたはリモートストレージへのスピリング
スピルされた tensors の結合フェッチ
これらの手法により、TinySeg は画像セグメンテーションモデルのピークメモリ使用量を最大39.3%削減できることを示している。
また、TinySeg ランタイムでは、動的テンサ圧縮やアシンクロナスブロック操作などの最適化手法を導入し、スピリングやフェッチングの性能オーバーヘッドを低減している。
評価の結果、TinySeg は画像セグメンテーションモデルのメモリ使用量を大幅に削減し、低消費電力の組み込みシステムでの実行を可能にすることが示された。
Stats
画像セグメンテーションモデルのピークメモリ使用量は、分類モデルの5.76倍である。
TinySeg の最適化により、ピークメモリ使用量を最大39.3%削減できる。
最適化後のモデルの平均消費電力は418.2 mWから420.6 mWに増加した。
Quotes
「画像セグメンテーションは、自律走行UAVなどの様々なドメインで適用されているが、一般的に高いピークメモリ使用量のため、小型組み込みシステムでは実現が難しい。」
「TinySeg は、メモリ効率的な画像セグメンテーションを可能にする新しいモデル最適化フレームワークである。」