초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 다량의 비인가 이미지 파일을 효과적으로 식별·차단하고 2장에서 언급될 기존 비인가 이미지 탐지방법의 한계점을 극복하기 위해 최근 국내·외적으로 꾸준히 연구되며 그 효과성이 입증되고 있는 컨볼루션 신경망(CNN)을 기반으로 국방 분야 비인가 이미지 탐지시스템 개발 방법을 제안하고 국방 분야에 적용 가능한 시스템을 구현하여 성능을 입증하였다. 제안시스템은 컨볼루션 신경망 모델을 설계하기 위해 Google社의 ...

본 논문에서는 다량의 비인가 이미지 파일을 효과적으로 식별·차단하고 2장에서 언급될 기존 비인가 이미지 탐지방법의 한계점을 극복하기 위해 최근 국내·외적으로 꾸준히 연구되며 그 효과성이 입증되고 있는 컨볼루션 신경망(CNN)을 기반으로 국방 분야 비인가 이미지 탐지시스템 개발 방법을 제안하고 국방 분야에 적용 가능한 시스템을 구현하여 성능을 입증하였다. 제안시스템은 컨볼루션 신경망 모델을 설계하기 위해 Google社의 텐서플로우[3] 오픈소스 라이브러리를 활용하였으며 군에서 실제 발생하였던 비인가 이미지 파일 반입 사례들을 바탕으로 비인가 이미지 카테고리 12개와 인가 이미지 카테고리 6개, 총 18개의 카테고리를 구성하여 학습을 진행하였다. 또한 Google社의 이미지 학습모델인 인셉션[4]을 활용하여 학습데이터의 부족으로 발생한 성능평가 문제 해결과 성능향상을 위해 도모하였으며 구현된 탐지체계는 실제 데이터 및 탐지대상을 바탕으로 성능을 검증하였다.

Abstract ▼ AI-Helper

In this paper, we first implemented an automatic detection system for illegal image files in the area of ​​national defense using the Convolution Neural Network algorithm which has gained many popularities recently, and applied the result to the actual field as utility I verified. The detection syst...

In this paper, we first implemented an automatic detection system for illegal image files in the area of ​​national defense using the Convolution Neural Network algorithm which has gained many popularities recently, and applied the result to the actual field as utility I verified. The detection system designed and learned a learning model by constructing six categories of 12 fraud categories, based on the case of importing illegal image files generated in actual groups. As a result of detection of 20,005 image files loaded from the actual group, it shows a high detection rate of 98.6%, and applicability of these detection systems can be confirmed in more areas in the future. In addition, false detection due to ambiguity of some learning categories and lack of data, in the future designing a learning model by more concretely identifying the type of invalid file, continuously securing missing learning data It is judged that better performance can be expected than if advanced.

주제어