PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2505.03303v5cs.CV

자원 제약 디바이스를 위한 경량 CNN 비교 분석: 예측 성능, 효율성 트레이드오프, 초기화 효과

Comparative Analysis of Lightweight CNNs for Resource-Constrained Devices: Predictive Performance, Efficiency Trade-offs, and Initialization Effects

동일한 파인튜닝 프로토콜 하에 SqueezeNet, MobileNetV2/V3, EfficientNet-B0/V2-S 등 7개 경량 CNN을 CIFAR-10/100, Tiny ImageNet에서 통제 비교한 연구로, EfficientNetV2-S가 전체 데이터셋에서 최고 정확도를 기록했으며 EfficientNet-B0는 유사한 성능을 약 21%의 파라미터와 14%의 MAC으로 달성해 성능-효율 균형이 우수한 것으로 나타났다. 또한 ImageNet 사전학습의 이점은 CIFAR-10보다 CIFAR-100과 Tiny ImageNet에서 훨씬 크게 나타났으며, MobileNetV3-Small은 초저자원 환경에서 경쟁력 있는 대안으로 확인되었다.

arXiv:2607.01984v1cs.LG

Do Newer Lightweight CNNs Perform Better Under Resource Constraints? A Controlled Multigenerational Study of Architecture, Initialization, Training Budget, and Efficiency

9개의 경량 CNN 모델 패키지를 CIFAR-10, CIFAR-100, Tiny ImageNet에서 동일한 다운스트림 프로토콜로 비교한 결과, 최신 설계가 보편적 성능 향상을 제공하지 않음을 확인했다. EfficientNet-B0는 모든 정확도-자원 파레토 프론티어에 속하는 가장 일관된 중간 예산 옵션으로, MobileNetV3-Small은 더 많은 파라미터와 GMACs를 사용하는 MobileNetV4-Conv-S보다 높은 정확도와 빠른 CPU 추론 속도를 보였으며, GMACs만으로는 실제 지연 시간을 예측할 수 없음을 보였다.