통합 검색 | Korea Science

백수진;송영재
- 한국정보처리학회:학술대회논문집
- /
- 한국정보처리학회 2004년도 춘계학술발표대회
- /
- pp.253-256
- /
- 2004
컴포넌트 기반의 소프트웨어를 개발하는 데 있어서 대부분의 방법론은 앞으로 구축할 새로운 시스템의 재사용성 확보에 치중할 뿐, 기존의 레거시 시스템 자원을 재사용하여 새로운 시스템을 구축하는 실용적인 재공학 방법을 지원하지 못하고 있다. 또한, 기존의 레거시 시스템을 컴포넌트화하는 방법들도 소프트웨어들의 규모가 방대해지고 복잡해짐으로써 시간적, 비용적 측면에서 많은 시간과 노력이 요구된다. 본 논문에서는 레거시 어플리케이션을 재공학 프로세스를 적용하여 컴포넌트화하기 원하는 메소드를 추출하고, WDL 정의 및 JNI를 연계하도록 하는 래퍼를 생성하여 자바빈즈 컴포넌트화함으로써 범위를 최대화하고, 재사용성을 극대화할 수 있는 방안을 제시한다.
PDF

황지원;배성호
- 한국방송∙미디어공학회:학술대회논문집
- /
- 한국방송∙미디어공학회 2020년도 하계학술대회
- /
- pp.540-543
- /
- 2020
기존의 초해상도 딥러닝 기법은 모델의 깊이가 깊어지면서, 좋은 성능을 내지만 점점 더 복잡해지고 있고, 실제로 사용하는데 있어 많은 시간을 요구한다. 이를 해결하기 위해, 우리는 딥러닝 모델의 가중치를 양자화 하여 추론시간을 줄이고자 한다. 초해상도 모델은 feature extraction, non-linear mapping, reconstruction 세 부분으로 나누어져 있으며, 레이어 사이에 많은 skip-connection 이 존재하는 특징이 있다. 따라서 양자화 시 최종 성능 하락에 미치는 영향력이 레이어 별로 다르며, 이를 감안하여 강화학습으로 레이어 별 최적 bit 를 찾아 성능 하락을 최소화한다. 본 논문에서는 Skip-connection 이 많이 존재하는 MSRN 을 사용하였으며, 결과에서 feature extraction, reconstruction 부분과 블록 내 특정 위치의 레이어가 항상 높은 bit 를 가짐을 알 수 있다. 기존에 영상 분류에 한정되어 사용되었던 혼합 bit 양자화를 사용하여 초해상도 딥러닝 기법의 모델 사이즈를 줄인 최초의 논문이며, 제안 방법은 모바일 등 제한된 환경에 적용 가능할 것으로 생각된다.
PDF