기본 정보
연구 분야
프로젝트
논문
구성원
article|
인용수 31
·2022
Benchmarking Deep Learning Models for Instance Segmentation
Sunguk Jung, Hyeonbeom Heo, Sangheon Park, Sunguk Jung, Kyungjae Lee
IF 2.7Applied Sciences
초록

인스턴스 분할은 자율주행, 드론 제어, 스포츠 분석 등 다양한 컴퓨터 비전 분야에서 주목받고 있다. 최근에는 많은 성공적인 모델들이 개발되었으며, 이는 정확도 중심과 속도 중심의 두 범주로 분류할 수 있다. 이 과제의 실시간 적용을 위해서는 정확도와 추론 시간이 모두 중요하다. 그러나 이러한 모델들은 서로 다른 하드웨어에서 측정된 추론 시간만을 제시하고 있어, 비교가 어렵다. 본 연구는 고정된 실험 환경에서 추론 시간에 초점을 맞춰, 최신 인스턴스 분할 모델들의 성능을 평가하고 비교한 최초의 연구이다. 정확한 비교를 위해서는 테스트 하드웨어와 환경이 동일해야 하므로, 정량적 및 정성적 분석을 위해 고정된 하드웨어 환경에서 모델들의 정확도와 속도를 제시한다. 속도 중심 모델은 고성능 GPU에서 실시간으로 동작하지만, 계산 성능이 충분하지 않은 경우 속도와 정확도 간에는 상충 관계가 존재한다. 실험 결과에 따르면 실시간 모델을 설계할 때 피처 피라미드 네트워크 구조를 고려할 수 있으며, 실시간 응용을 위해서는 속도와 정확도 간의 균형을 달성해야 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.

키워드
Computer scienceBenchmarkingInferenceSegmentationArtificial intelligencePyramid (geometry)Machine learningDeep learningTask (project management)Benchmark (surveying)
타입
article
IF / 인용수
2.7 / 31
게재 연도
2022

주식회사 디써클

대표 장재우,이윤구서울특별시 강남구 역삼로 169, 명우빌딩 2층 (TIPS타운 S2)대표 전화 0507-1312-6417이메일 info@rndcircle.io사업자등록번호 458-87-03380호스팅제공자 구글 클라우드 플랫폼(GCP)

© 2026 RnDcircle. All Rights Reserved.