모델 경량화는 deploy 시점에 고려해야할 중요한 기법 중 하나입니다. 본 대회는 재활용 쓰레기 데이터셋에 대해서 이미지 분류를 수행하는 모델을 설계합니다. 이때, 모델의 분류 성능 이외에도 모델의 연산 횟수도 고려하여 데이터셋에 적합한 capacity의 경량 모델 여부를 추가로 평가합니다.

• 대회 제목 : “초”경량 이미지 분류기
• 문제 유형 : muti-classfication and lightweight
• 평가척도 : F1-Score + MACs: 모델의 (덧셈 + 곱셈)의 계산 수 모델의 f1 score가 0.5이상 후에 f1 score의 비중을 줄여 MACs를 통해 좋은 점수를 받을 수 있도록 score를 설계

COCO format의 재활용 쓰레기 데이터인 TACO 데이터셋의 Bounding box를 crop 한 데이터

• 총 이미지 : 32,599
• 카테고리 수 : 9개( Battery, Clothing , Glass, Metal, Paper, Paperpack, Plastic, Plasticbag, Styrofoam)
• 이미지당 크기: 고정 되어 있지 않음
• 한 카테고리당 사진의 개수: 그림 첨부 밑에

기존 가지고 있는 모델을 경량화 하는 방법으로 대부분의 방법이 후처리(마스킹된 layer들을 없애는 과정 등)를 필요로 한다.

• Pruning
• Tensor decomposition

Search를 통하여 경량 모델을 찾는 기법으로 조금 더 일반적인 적용이 가능하다.

• NAS(Neural Architecture Search)
• AutoML(Automated Machine Learning)