http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
박재민(Jaemin Park),박영준(Yongjun Park) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.11
Although the significant advances in image super-resolution (SR) with convolutional neural networks (CNNs) have led to continuous performance improvement, the state-of-the-art (SOTA) SR models face the challenges conducting in resource-constrained environments due to its complexity. Quantization, one of the neural network optimizations, is used to address these challenges. However, Quantization for the SR model should take its characteristics into 1account. To address this issue, we propose Frequency Aware Multi-Bit Quantization (FAMBQ), which considers the frequency in input image and layers to select adequate bit-width to quantize each layer. Frequency is the basic component in image that helps improve the SR performance, proved in numerous recent works[1-2]. We apply our quantization approach across various widely used super-resolution architectures, including EDSR[3], IMDN[4]. Experiments show that our framework achieve comparable PSNR to full precision original model and SOTA frameworks for low bit-width quantization on four benchmark datasets.
박창현(Changhyun Park),원유집(Youjip Won),박영준(Yongjun Park) 대한전자공학회 2019 전자공학회논문지 Vol.56 No.7
SSD의 예상 수명을 알기 위하여 플래시 기반 저장장치의 쓰기 증폭을 예측하는 여러 분석 모델들이 제안되었다. 본 논문에서 우리는 4가지의 쓰기 증폭 예측 모델을 조사하여 분석하였다. 분석 결과 대부분의 모델들은 SSD 모든 영역을 균일하게 활용하는 워크로드를 가정하여 쓰기 증폭을 예측하였고, 그렇기 때문에 일반적인 작업 부하에서 쓰기 증폭을 예측하는 데는 적용할 수 없음을 알 수 있었다. 본 논문은 추가적으로 각 모델의 장단점을 비교하고, 실제 SSD에서의 쓰기 증폭 측정을 통해 정확도를 검증하였다. 모든 모델들이 균일한 워크로드에서의 예측은 매우 높은 정확도를 나타내었으나, 실제 워크로드에서의 쓰기 증폭은 1.2 미만으로 모델 예측값보다 매우 낮으므로 이를 정확하게 예측하기 위한 후속 연구가 필요하다. Several analytical models have been proposed to estimate the write amplification of flash-based storage devices to obtain the expected lifetime of SSDs. In this study, we analyze four write amplification models. Most models assume uniform workload to predict write amplification, and therefore, they can not be directly applied to predict write amplification in real-world workloads. We also found the strengths and weaknesses of the models, and validate them using real SSD. All models are proven to be accurate in uniform workloads, but the write amplification in real-world workloads is much lower than the model-expected values in real SSD. Therefore, more studies are needed to accurately predict the write amplification.
이종 구조 기반 모바일 시스템에서의 신경망 계층 분배를 통한 추론 성능 최적화 연구
강범우(Beom Woo Kang),최경환(Kyunghwan Choi),박영준(Yongjun Park) 한국정보과학회 2021 한국정보과학회 학술발표논문집 Vol.2021 No.6
시각적인 정보를 학습하여 객체 탐지와 같은 응용 기술에 주로 사용되는 합성곱 신경망(CNN)의 추론(Inference) 등 복잡한 연산을, 스마트폰처럼 성능과 자원이 한정된 모바일 디바이스에서 효율적으로 실행하려고 하는 연구가 많이 이루어지고 있다. 신경망을 구성하는 각각의 컨볼루션 레이어는 신경망 모델에 따라 다양한 복잡도 및 특성을 가지고 있다. 최근의 모바일 디바이스는 고성능을 요구하는 어플리케이션의 증가로 인해 CPU 외에 GPU를 비롯한 다양한 가속기가 추가적으로 탑재되고 있으므로, CPU와 GPU의 하드웨어적 특성을 고려하여 타겟 신경망의 각 레이어를 좀 더 효율적인 하드웨어에서 연산하도록 분배하면 추가적으로 사용되는 메모리 없이 추론 연산 시간을 단축시킬 수 있다. 본 논문에서는 이러한 이종(Heterogeneous) 컴퓨팅 시스템에서 CPU와 GPU의 성능을 바탕으로 레이어를 세분화해 실행함으로써 더 효율적으로 추론이 가능함을 보인다.