Knowledge Distillation based Model Compression for Fast Recognition of Banknote Serial Number

Abstract

지폐 일련번호는 각 지폐마다 고유하게 부여되는 정보이므로 이를 정확도 높게 인식하는 것이 매우 중요하다. 또한 지폐 계수기 내에서 실시간으로 이루어져야 하므로 빠르게 수행되어야 한다. 기존 일련번호 인식 알고리즘으로는 일련번호는 다양한 알고리즘으로 일련번호 영역 및 digit 정보를 획득하여 support vector machine(SVM), neural network (NN)을 사용하여 일련번호 인식을 진행한다. 다양한 알고리즘을 사용한 기존 알고리즘 모두 안정적인 인식률을 가지지만 실제 지폐인식이 진행되는 시간적인 측면은 고려하지 않는다. 따라서 본 논문에서는 머신 러닝 시스템을 기반으로 지폐 일련번호 인식 신경망을 설계하여 높은 인식 정확도와 빠른 인식시간을 얻고자 한다. 높은 인식 정확도를 얻기 위하여 일련번호 인식에 최적화된 신경망을 설계하고 모델 compression을 통하여 인식 시간을 단축하는 방법을 제안한다. 실제 지폐 인식 시스템을 고려하여 이를 일본 엔화 일련번호 영상 데이터로 인식률을 검증하고, 임베디드 GPU기반 보드로 실행 시간을 측정한다.;In the banknote serial number recognition system, it is important to recognize the serial number of the banknote accurately because it is unique information of each banknote. In addition, the recognition must be performed quickly since it is used in real time banknote counter. In this paper, we investigate a deep learning based serial number recognition system for high recognition accuracy and fast recognition time. In order to obtain high recognition accuracy and fast recognition time, we design a neural network optimized for serial number recognition and propose a model compression based method to achieve fast recognition. We evaluate the performance of the proposed method using Japanese Yen, we also study the computation time using an embedded GPU board (NVDIA XAVIER). In the experiment, the proposed method showed more than 99.5%. We think that the proposed method is useful for accurate recognition of serial number in real time.