얼굴 감정인식을 위한 양자화된 경량 합성곱 신경망 구조 연구

초록

최근 컴퓨터 비전 분야에서 우수한 성능을 보이는 CNN을 이용한 얼굴 감정인식 연구가 수행되고 있다. 높은 분류 정확도를 얻기 위해서는 많은 수의 파라미터와 높은 연산 복잡도를 가지는 CNN 구조가 필요하다. 하지만, 이와 같은 CNN 모델은 하드웨어 자원 사용량이 제한되어 있는 환경에서는 적합하지 않다. 따라서 본 논문에서는 제한된 환경 하에서의 최적화된 구현을 위해 적은 수의 파라미터와 낮은 연산 복잡도를 지닌 경량화된 CNN 구조를 설계하였고 정확도를 유지하면서도 파라미터 수 및 연산 복잡도를 낮출 수 있는 양자화 기법을 제안하였다. 또한 높은 분류 정확도를 위해 다양한 영상처리 알고리즘을 이용한 데이터 증강기법을 제안하였다. 제안한 부동소수점으로 훈련된 CNN모델(FP32)에 FERPlus 데이터 세트를 적용하여 성능을 평가한 결과, 파라미터 수는 약 1.98M개, FLOPs는 31MFLOPs, 정확도는 86.87%의 결과를 보였으며 기존의 경량화 모델과 비교하였을 때 가장 높은 정확도를 달성하였다. 또한, 제안한 양자화 기법을 적용하여 8-bit모델(INT8)에서 파라미터 수는 약 495K개, 4-bit모델(INT4)에서 파라미터 수는 약 247.5K개로 제안한 두 양자화된 CNN 모델(INT8, INT4)은 제안한 FP32 CNN모델 대비 1/4, 1/8만큼 적은 파라미터 수를 지니면서도 정확도 하락은 0.54% 이하인 것을 확인하였다.

키워드