mmWave 레이더 기반 일상 행동 인식을 위한 온디바이스 딥러닝 시스템의 설계 및 구현

요약 : 본 논문은 HAR 경량 딥러닝 온디바이스 시스템 설계 및 구현을 위해 서로 다른 입력 데이터를 이용하는 지식 증류 loss 함수와 모델 구조 변경을 통해 메모리 사용량 감소 방안을 제시한다. 제안한 모델을 관절 포인트의 동작 특징 정보를 전달받아 mmWave 기반 포인트 클라우드만을 이용해 추론하는 싱글모달 시스템이다. 모델의 복잡성과 연산량을 감소시키는 효과를 얻는다. 모델의 최고 정확도는 111,382개의 파라미터를 가지는 모델로 10초 데이터에 대해 93.72%의 성능을 보여준다. 베이스라인 연구에 비해 파라미터 수를 88% 감소시키면서 성능 하락은 4%에 그쳤다. 또한 구현한 모델을 MCU(STM32)에 탑재하기 위해 모델의 구조를 변경하여 메모리 사용량을 19MiB에서 1.9MiB로 감량하고 성능 하락을 최소화하여 온디바이스 실험을 평가했다.