□ 기존에 제안된 네트워크 구조 탐색 방식이 부동소수점 형식의 파라미
터를 갖는 고정확도 딥뉴럴 네트워크에서만 동작하고 이진 네트워크를
탐색할 때에는 동작하지 않았다. 이진 네트워크는 용량이 현저히 작고
속도가 빠른 장점이 있지만 성능이 좋은 네트워크 구조를 찾아내는 것
은 쉬운 일이 아니다.
∘ 본 연구에서는 이러한 문제점을 해결하기 위한 네 가지 요소기술을 제
안하고, 제안한 기법으로 탐색한 이진 네트워크가 기존에 제안된 이진
네트워크 보다 크기는 작고 정확도는 높은 네트워크를 찾아냄을 확인
했다. 코드와 탐색된 모델은 프로젝트 코드 저장소(repository)에서 다
운로드 할 수 있다. (https://github.com/gistvision/bnas).
□ AI대학원의 최종현 교수는 시각인식을 위한 효율적인 지도학습 및 모델
구조 등을 연구하고 있으며, 다수의 논문을 컴퓨터 비전 분야 세계 최
고 수준의 학회 및 저널에 발표하고 있다. 최 교수는 2015년에 메릴랜
드대학교 칼리지파크 캠퍼스(University of Maryland, College Park)에서
박사학위를 받은 후, 시애틀의 앨런 인공지능 연구소(Allen Institute for
AI)에서 연구원으로 근무하였다. 지스트에는 지난 2018년에 부임하여 컴
퓨터 비전 연구실을 운영하고 있다. <끝>
[사진 설명]
▲ 연구팀 사진. 왼쪽부터 김다현 EECS 석사과정생(2020년 지스트대학 졸업), 쿠날 프라
탑 싱(IIT Roorkee 학부생, 지스트 컴퓨터비전 연구실 인턴), AI대학원 최종현 교수