[논문 리뷰] Slim-neck by GSConv: A lightweight-design for real-time detector architectures

Hu-Lin Li, Jun Li외 4명|arXiv (Cornell University)|2022. 06. 06.

Advanced Neural Network Applications참고 문헌 44인용 수 257

한 줄 요약

GSConv를 소개하는 경량 합성곱 기법과 Slim-Neck 설계를 통해 에지 디바이스의 실시간 검출기를 정확도와 속도 간의 균형으로 향상시키고 SODA10M에서 강력한 결과를 달성합니다.

ABSTRACT

Real-time object detection is significant for industrial and research fields. On edge devices, a giant model is difficult to achieve the real-time detecting requirement and a lightweight model built from a large number of the depth-wise separable convolutional could not achieve the sufficient accuracy. We introduce a new lightweight convolutional technique, GSConv, to lighten the model but maintain the accuracy. The GSConv accomplishes an excellent trade-off between the accuracy and speed. Furthermore, we provide a design suggestion based on the GSConv, Slim-Neck (SNs), to achieve a higher computational cost-effectiveness of the real-time detectors. The effectiveness of the SNs was robustly demonstrated in over twenty sets comparative experiments. In particular, the real-time detectors of ameliorated by the SNs obtain the state-of-the-art (70.9% AP50 for the SODA10M at a speed of ~ 100FPS on a Tesla T4) compared with the baselines. Code is available at https://github.com/alanli1997/slim-neck-by-gsconv

연구 동기 및 목표

• 제한된 계산 자원과 메모리를 가진 에지 디바이스에서 실시간 객체 탐지를 촉진한다.
• 비용을 줄이면서 정확도를 유지하는 경량 합성곱으로 GSConv를 제안한다.
• 탐지기의 계산 효율성을 높이기 위한 설계 지침으로 Slim-Neck(SNs)를 도입한다.
• 실시간 탐지기와의 광범위한 비교 실험을 통해 효과를 입증한다.

제안 방법

• 가볍고 정확도를 균형 있게 유지하는 경량 합성곱 기법으로 GSConv를 소개한다.
• 탐지기의 효율성을 향상시키기 위한 실용적 아키텍처 설계로 Slim-Neck(SNs)를 제안한다.
• 20개가 넘는 비교 실험에 걸친 실증 평가를 제공한다.

실험 결과

연구 질문

• RQ1 GSConv가 탐지 정확도를 유지하거나 향상시키면서 계산 비용을 실질적으로 줄일 수 있는가?
• RQ2 Slim-Neck 설계가 데이터셋과 하드웨어 전반에 걸쳐 일관되게 실시간 탐지기의 성능을 향상시키는가?
• RQ3 에지 디바이스에서 GSConv와 SNs를 사용하는 탐지기의 달성 가능한 속도/정확도 트레이드오프는 무엇인가?
• RQ4 실시간 탐지기에서 SNs 설계가 기준 Neck 아키텍처와 어떻게 비교되는가?

주요 결과

• GSConv는 정확도를 유지하면서 모델을 가볍게 하여 효율적인 실시간 탐지를 가능하게 한다.
• SNs 설계는 실시간 탐지기의 계산 비용 효율성을 더 높인다.
• 실험에서 GSConv가 적용된 SNs 강화 탐지기는 예를 들어 SODA10M에서 70.9% AP50를 Tesla T4에서 ~100 FPS로 달성하는 등 강력한 결과를 보였다.
• 이 방법은 20건이 넘는 비교 실험에서 견고함을 입증한다.
• 해당 설정에서 평가된 벤치마크에서 최신(최고) 성능을 보고한다.