Model Ensemble for Speed Enhancement in Object Detection

객체 인식이란 주어진 영상 내의 시각적인 정보를 분석하여 영상 내에서 객체의 위치를 찾아내는 연구 분야로, 자율 주행, 영상 감시 등의 다양한 산업에서 활용되고 있다. 연구 초기에는 객체의 특징을 미리 설계하여 비교하는 방법을 이용하였는데, 합성곱 신경망을 이용한 기계학습이 객체 인식에서 좋은 성능을 보인다는 것이 증명되었다. 딥러닝을 이용한 객체 인식 방법에서는 인식 정확도를 향상시키기 위하여 여러 인공 신경망 모델을 동시에 이용하는 앙상블 방법을 적용할 수 있는데, 이는 인식 속도를 감소시키는 단점이 있다. 본 논문에서는 앙상블 방법에서 신경망 모델의 출력인 특징 맵을 하나로 조합함으로써 인식 속도를 향상시키는 방법을 제시한다. 실험을 통해 제안 방법을 이용하여 인식 속도가 향상된 것을 확인하였으며, GPU 메모리를 더 효율적으로 활용할 수 있는 방법을 적용하여 인식 성능을 더욱 향상시킬 수 있을 것으로 기대된다.