ALGORITHM AND METHOD FOR DYNAMICALLY CHANGING QUANTIZATION PRECISION OF DEEP-LEARNING NETWORK

The present invention comprises the steps of: with respect to a deep-learning network that performs object recognition on an arbitrary image, performing quantization corresponding to a plurality of different bit numbers so as to generate a plurality of quantization models respectively corresponding to the bit numbers; receiving image data as an input of the deep-learning network; determining the uncertainty of the input image data; selecting one of the plurality of quantization models on the basis of the determined uncertainty; and recognizing an object of the image data by using the selected quantization model, and outputting a label corresponding to the image data as an object recognition result. La présente invention comprend les étapes consistant à : par rapport à un réseau d'apprentissage profond qui effectue une reconnaissance d'objet sur une image arbitraire, effectuer une quantification correspondant à une pluralité de nombres de bits différents de façon à générer une pluralité de modèles de quantification correspondant respectivement aux nombres de bits ; recevoir des données d'image en tant qu'entrée du réseau d'apprentissage profond ; déterminer l'incertitude des données d'image d'entrée ; sélectionner l'un de la pluralité de modèles de quantification sur la base de l'incertitude déterminée ; et reconnaître un objet des données d'image à l'aide du modèle de quantification sélectionné et délivrer une étiquette correspondant aux données d'image en tant que résultat de reconnaissance d'objet. 본 발명은 임의의 이미지에 대해 사물인식을 수행하는 딥러닝 네트워크에 대해, 복수의 서로 다른 비트수에 대응되는 양자화를 수행하여, 상기 비트수에 각각 대응되는 복수의 양자화 모델을 생성하는 단계와, 상기 딥러닝 네트워크의 입력으로서, 이미지 데이터를 입력받는 단계와, 상기 입력된 이미지 데이터의 불확실도를 판단하는 단계와, 상기 판단된 불확실도에 근거하여, 상기 복수의 양자화 모델 중 어느 하나를 선택하는 단계 및 상기 선택된 양자화 모델을 이용하여 상기 이미지 데이터의 사물인식을 수행하고, 사물인식 결과로서 상기 이미지 데이터에 대응되는 레이블을 출력하는 단계를 포함하는 것을 특징으로 한다.