Business Strategy

이민예 2019-08-13

프로젝트 목표

패치형 심전도 측정기기에 딥러닝 모델을 이식하기 위해서, 다음을 통해 경량화가 이루어져야 한다.

심전도 판별 인공지능 알고리즘 모델 경량화

Development workflow : 전송된 심전도를 기반으로 한 경량화 알고리즘 실행

모바일 어플리케이션에 경량화 알고리즘을 실행하기 위해서 다음을 수행하여야함:

TensorFlow 모델 개발
텐서플로우의 경량화된 추상화 라이브러리인 tf-slim 라이브러리를 사용하면 성능이 검증된 다양한 CNN 모델들을 (VGGNet, InceptionNet, ResNet, MobileNet) 을 쉽게 사용가능하다. TensorFlow 모델 개발 후 훈련된 TensorFlow model 을 가져온다.
TensorFlow Lite 모델 변환
TensorFlow Lite 최적화 컨버터( TensorFlow Lite converter )는 Tensorflow 그래프를 Tensorflow Lite 그래프로 변환한다. 즉, TensorFlow Lite FlatBuffer file (.tflite) 을 생성한다. 이 새로운 모델 파일 형태를 클라이언트 기기에 탑재가능하다.
모바일 어플리케이션에서 딥러닝 모델 실행
1. TensorFlow Lite 해석기 ( TensorFlow Lite interpreter ) 는 변환된 tflite 모델을 각 플랫폼의 커널(HW<->SW) 에서 사용할 수 있도록 번역하는 API 로 NNAPI 를 호출함.
2. Firebase ML Tooklit 을 사용하여 Firebase 에 모델을 배포하고, 앱 내 예측을 실행한다.
모델 최적화
Model Optimization Toolkit 양자화를 사용하여 기존 신경망의 부동 소수점 수를 줄여 모델의 연산량과 용량을 대폭 줄이어, 정확성을 증가시킨다.

Key Point: 텐서플로우 라이트 바이너리 사이즈는 모든 연산자가 연결되어 있을 때도, 300KB 보다 작다. 또한, InceptionV3와 MobileNet 을 사용한다면 200KB 보다 작다.

Last updated 4 years ago