딥러닝 모델을 빠르고 간결한 모델로 압축 가능한 KegNet 기법 제시
[데이터넷] 서울대 공대는 컴퓨터공학부 강유 교수팀의 GAN(Generative Adversarial Network)을 이용한 경량 딥러닝 모델에 대한 논문이 전 세계적으로 권위 있는 AI 학회인 ‘인공신경망학회(NeurIPS : Neural Information Processing System)’에 게재됐다고 밝혔다.
NeurIPS는 인공지능 분야 세계 최고의 학회다. 강 교수는 이번 논문에서 복잡한 딥러닝 모델을 빠르고 효율적이며 간결한 모델로 압축하는 KegNet 기법을 제시했다.
강 교수는 “일반적으로 딥러닝 모델 압축을 하려면 많은 데이터가 필요한데, 이미 학습된 모델만 주어지고 데이터가 없을 경우 기존 기법으로 모델 압축이 어렵다”며 “이를 위해 이번 논문에서 주어진 모델로부터 GAN을 이용해 데이터 생성기를 학습하고, 이를 통해 효과적인 모델 압축 기법을 제시했다”고 설명했다.
한편 이번 논문은 2019년 12월에 열리는 NeurIPS 2019에서 발표될 예정이다.
저작권자 © 데이터넷 무단전재 및 재배포 금지