최근 여러 분야의 연구에서 가장 활발하게 이용되고 있는 딥러닝은 이 전의 연구 결과들보다 더욱 좋은 결과를 보여주면서 실제 산업 현장에도 많이 적용되고 있다. 이러한 추세를 반영하여 컴퓨터비전 분야에서 비전 장비를 이용한 물체의 인식 분야에 딥러닝이 적용되어 최근 상당히 많은 연구 결과가 나타나고 응용되었으며, 이로 인해 초기 연구보다 빠른 검출 속도와 높은 정확도를 얻을 수 있게 되었다. 이를 이용하여 본 논문에서 는 PCB(Printed Circuit Board)에 실장 된 부품을 인식할 때의 성능 향상 에 관한 연구를 진행하였으며, 본 논문에서는 딥러닝을 이용한 물체 검출 의 방법들 중 성능이 좋다고 알려진 2-Stage Detector인 ...
최근 여러 분야의 연구에서 가장 활발하게 이용되고 있는 딥러닝은 이 전의 연구 결과들보다 더욱 좋은 결과를 보여주면서 실제 산업 현장에도 많이 적용되고 있다. 이러한 추세를 반영하여 컴퓨터비전 분야에서 비전 장비를 이용한 물체의 인식 분야에 딥러닝이 적용되어 최근 상당히 많은 연구 결과가 나타나고 응용되었으며, 이로 인해 초기 연구보다 빠른 검출 속도와 높은 정확도를 얻을 수 있게 되었다. 이를 이용하여 본 논문에서 는 PCB(Printed Circuit Board)에 실장 된 부품을 인식할 때의 성능 향상 에 관한 연구를 진행하였으며, 본 논문에서는 딥러닝을 이용한 물체 검출 의 방법들 중 성능이 좋다고 알려진 2-Stage Detector인 Faster-RCNN(Region-based Convolutional Neural Network)을 이용하여 부품 인식을 진행하였다. Faster-RCNN은 물체 인식 분야에서 성능이 입 증된 방식으로, 실시간에 가까운 속도로 영상에서 여러 개의 물체를 감지 하는 다중 물체 인식 알고리즘이다. 본 논문에서는 Faster-RCNN을 이용 한 물체 감지의 성능 향상 방법과 정밀도를 향상시킬 수 있는 방법들에 대한 제시와, 각 방법의 실험 결과를 보여주어 기존에 사용되던 방식들보 다 더욱 정밀하고 효과적임을 보여준다.
최근 여러 분야의 연구에서 가장 활발하게 이용되고 있는 딥러닝은 이 전의 연구 결과들보다 더욱 좋은 결과를 보여주면서 실제 산업 현장에도 많이 적용되고 있다. 이러한 추세를 반영하여 컴퓨터비전 분야에서 비전 장비를 이용한 물체의 인식 분야에 딥러닝이 적용되어 최근 상당히 많은 연구 결과가 나타나고 응용되었으며, 이로 인해 초기 연구보다 빠른 검출 속도와 높은 정확도를 얻을 수 있게 되었다. 이를 이용하여 본 논문에서 는 PCB(Printed Circuit Board)에 실장 된 부품을 인식할 때의 성능 향상 에 관한 연구를 진행하였으며, 본 논문에서는 딥러닝을 이용한 물체 검출 의 방법들 중 성능이 좋다고 알려진 2-Stage Detector인 Faster-RCNN(Region-based Convolutional Neural Network)을 이용하여 부품 인식을 진행하였다. Faster-RCNN은 물체 인식 분야에서 성능이 입 증된 방식으로, 실시간에 가까운 속도로 영상에서 여러 개의 물체를 감지 하는 다중 물체 인식 알고리즘이다. 본 논문에서는 Faster-RCNN을 이용 한 물체 감지의 성능 향상 방법과 정밀도를 향상시킬 수 있는 방법들에 대한 제시와, 각 방법의 실험 결과를 보여주어 기존에 사용되던 방식들보 다 더욱 정밀하고 효과적임을 보여준다.
Recently, deep learning has been used most actively in various fields, yielding much better results than the previous methods. In this trends, deep learning has been applied to recognition of objects in machine vision equipments. In this thesis, we investigated the performance improvemen...
Recently, deep learning has been used most actively in various fields, yielding much better results than the previous methods. In this trends, deep learning has been applied to recognition of objects in machine vision equipments. In this thesis, we investigated the performance improvement of PCB (Printed Circuit Board) mounted components detection using deep learning. Recognition of components on PCBs is performed using a 2-stage detector, the Faster-RCNN, which is known to have good performance among object detection methods using deep learning. The Faster-RCNN is a proven method in object recognition based on deep convolutional neural networks and is a multi-object recognition algorithm that detects multiple objects in an image at near real-time detection speed. In this thesis, we propose several methods to improve the performance of PCB components detection using the Faster-RCNN, demonstrating effectiveness of the proposed methods by experiments. This improved version of the Faster RCNN is shown to be more accurate and more efficient than template matching based methods, which are currently most frequently used component detection methods in PCB inspection equipments using machine vision.
Recently, deep learning has been used most actively in various fields, yielding much better results than the previous methods. In this trends, deep learning has been applied to recognition of objects in machine vision equipments. In this thesis, we investigated the performance improvement of PCB (Printed Circuit Board) mounted components detection using deep learning. Recognition of components on PCBs is performed using a 2-stage detector, the Faster-RCNN, which is known to have good performance among object detection methods using deep learning. The Faster-RCNN is a proven method in object recognition based on deep convolutional neural networks and is a multi-object recognition algorithm that detects multiple objects in an image at near real-time detection speed. In this thesis, we propose several methods to improve the performance of PCB components detection using the Faster-RCNN, demonstrating effectiveness of the proposed methods by experiments. This improved version of the Faster RCNN is shown to be more accurate and more efficient than template matching based methods, which are currently most frequently used component detection methods in PCB inspection equipments using machine vision.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.