A Deep Learning-Based Image Segmentation Model Using Spiking Neural Network for Detection of Changes in the Waterfront Area

최근 원격 주행 드론과 같은 자율 시스템 활용을 위한 저전력 인공지능 모델 연구로 스파이킹 신경망(SNN) 연구가 활발히 진행되고 있다. 본 연구는 스파이킹 신경망을 이용한 수변 구역 변화 탐지 모델을 제안한다. U-Net을 기반으로 하여 스파이킹 신경망을 이용할 수 있도록 수정하였다. 데이터 인코딩 방식과 Time-step에 따른 모델의 성능을 비교하였고, 기존 인공신경망 모델과도 성능 비교 연구를 진행하였다. 제안한 모델은 인코딩 방식에 따라 성능 및 지연시간, 전력소모의 차이를 보였고, Time-step 수가 증가할수록 정확도 성능이 14% 증가하는 대신 지연시간이 약 23% 길어지고 전력소모가 약 10.6% 커짐을 확인하였다. 기존 인공신경망(ANN)과 비교했을 때 SNN 모델의 성능 대비 전력 소모 값이 약 15% 낮게 측정되어 차세대 신경망으로서 전력 효율 개선을 기대할 수 있다.