경량화 기법을 통한 저사양 NPU를 탑재한 IP 카메라에서의실시간 차량번호 인식 성능 향상
Lightweighting Techniques to Improve Real-time Recognition Performance of License Plate Using IP Cameras with Low-end NPUs
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 차량번호 인식 시장의 확대에 따른 물리적 공간과 비용 증가 문제를 해결하기 위해 저사양 임베디드 장치에서 실시간 차량번호인식 성능을 향상시키는 경량화 방법을 제안한다. 제안된 방법은 CNN 경량화 모델을 기반으로 영상 전처리, 하이퍼파라미터 최적화, 활성화 함수최적화, 양자화 등의 기법을 사용하여 인식 정확도와 속도를 동시에 개선하였다. 실험은 SSD-lite 모델의 경우 Shi-Tomasi 코너 감지로 영상 전처리,활성화 함수로 ReLU4를 적용, 양자화하였을 때 mAP@.5가 0.94로 10% 이상의 정확도 향상과 인식 시간이 10.9ms로 10% 이상의 속도 향상을보였다. 또한 에지 장치인 1.2TOPS의 NPU 성능을 갖는 아이닉스사의 EN675 SoC를 사용한 IP 카메라에서 정확도의 손실을 최소화하고 10%정도의 속도 향상으로 실시간 요구사항(FPS≥30)을 충족하였다.
Abstract
This paper proposes a lightweight method to improve the performance of real-time vehicle number recognition on low-specificationembedded devices, to solve the problem of increasing physical space and cost due to the expansion of the vehicle number recognitionmarket. The proposed method is based on a lightweight CNN model and uses techniques such as image preprocessing, hyperparameteroptimization, activation function optimization, and quantization to simultaneously improve recognition accuracy and speed. Experimentsshow that, in the case of the SSD-lite model, image preprocessing with Shi-Tomasi corner detection, the application of ReLU4 as theactivation function, and quantization resulted in an mAP@.5 of 0.94, which is an accuracy improvement of more than 10%, and a recognitiontime of 10.9 ms, which is a speed improvement of more than 10%. In addition, the proposed method meets real-time requirements (FPS≥ 30) with minimal loss of accuracy and a speed improvement of about 10% on IP cameras using the EN675 SoC of EYENIX, an edgedevice with an NPU performance of 1.2 TOPS.
참고문헌 (14)
- J. Redmon, "You Only Look Once : Unified, Real-time Object Detection", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.779~788 (2016)
- J. Redmon, "YOLO9000 : Better, Faster, Stronger", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.7263~7271 (2017)
- M. Sandler, "MobileNet V2 : Inverted Residuals and Linear Bottlenecks", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.4510~4520 (2018)
- W. Liu, "SSD: Single Shot MultiBox Detector", ECCV 2016, Part I, LNIP 9905, 21~37 (2016)
- G. Poorani, "Number Plate Detection Using YOLOV4 and Tesseract OCR", Journal of Pharmaceutical Negative Results, 13(3) (2022)
- S. Liu, "EdgeYOLO-An Edge-Real-Time Object Detector", 42nd Chinese Control Conference(CCC) (2023)
- C. Y. Wang, "YOLOv7 : Trainable bag-of-freebies sets new state-of-the-art for real-time object", Proceedings of the IEEE, 2023, 7464~7475
- J. Wu, "Quantized convolutional neural networks for mobile devices", IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp.4820~4828 (2016)
- Z. Liu, "Instance Aware Dynamic Neural Network Quantization", Proceedings of the IEEE, 2022, 12434~12443