상세 보기
블록 효용성 분석을 통한 치과 영상 분할 네트워크 양자화
Dental Image Segmentation Network Quantization via Block-utility Analysis
- 김성민;
- 송병철
초록
딥러닝 기반 치과 영상 분할 알고리즘은 판독 효율성과 정확도 향상에 기여한다. 그러나 CNN과 트랜스포머를 결합한 하이브리드 네트워크는 연산 비용이 커 실제 환경에서의 적용에 제약이 따른다. 이를 극복하기 위한 경량화 기법 중 양자화가 주목받고 있으나, 블록의 효용성을 충분히 고려하지 못할 경우 불필요한 양자화 복잡성 또는 성능 보존의 한계로 이어질 수 있다. 본 논문은 블록별 성능기여도 및 양자화 민감도를 바탕으로 블록의 효용성을 분석하고, 이를 고려한 양자화 전략을 통해 하이브리드 치과 영상 분할 네트워크를 양자화 하면서 성능 저하를 최소화한다.
키워드
Medical image segmentation; Quantization; Deep neural network compression
- 제목
- 블록 효용성 분석을 통한 치과 영상 분할 네트워크 양자화
- 제목 (타언어)
- Dental Image Segmentation Network Quantization via Block-utility Analysis
- 저자
- 김성민; 송병철
- 발행일
- 2026-01
- 유형
- Y
- 저널명
- 전자공학회논문지
- 권
- 63
- 호
- 1
- 페이지
- 45 ~ 48