인공지능 기술은 지속적으로 발전하고 있으며 다양한 분야에 적용되고 있 다. 이 기술이 적절하게 사용되기 위해서는 학습이 선행되어야 한다. 단순하 게 학습만 하면 되는 것이 아니라 올바른 방향으로 학습이 진행되어야 하는 데 그러기 위해서는 여러가지 조건이 필요하다. 이 조건 중 높은 비중을 차 지하는 건 데이터의 양이다. 데이터 양이 적으면 학습이 올바르게 진행되지 않고 데이터 양이 많으면 학습이 데이터에만 맞춰지는 ...
인공지능 기술은 지속적으로 발전하고 있으며 다양한 분야에 적용되고 있 다. 이 기술이 적절하게 사용되기 위해서는 학습이 선행되어야 한다. 단순하 게 학습만 하면 되는 것이 아니라 올바른 방향으로 학습이 진행되어야 하는 데 그러기 위해서는 여러가지 조건이 필요하다. 이 조건 중 높은 비중을 차 지하는 건 데이터의 양이다. 데이터 양이 적으면 학습이 올바르게 진행되지 않고 데이터 양이 많으면 학습이 데이터에만 맞춰지는 과 적합 현상이 일어 나므로 적절한 데이터가 필요하다. 하지만 데이터가 많은 경우 보다는 데이 터가 적은 경우가 더 많기에 데이터를 증강 방식이 많이 필요하다. 데이터 증강 방식은 대중적으로 쓰는 방식들이 존재하지만 종종 특정한 데이터에 한정해서 특별한 방식이 필요하다. 본 논문에서는 사람 신체의 특징점을 추 출하는 방식으로 가공한 수어 영상 데이터 영상을 사용하기 때문에 대중적 으로 사용하는 데이터 증강 방식으로는 학습이 어렵다. 따라서 본 논문에서 는 수어 번역 학습을 위한 수어 데이터를 증강하는 법을 제시하며 증강된 데이터로 학습한 수어 번역 시스템의 성능이 증강 전 데이터의 학습결과와 비교해서 어느 정도 향상되었는지 확인한다.
인공지능 기술은 지속적으로 발전하고 있으며 다양한 분야에 적용되고 있 다. 이 기술이 적절하게 사용되기 위해서는 학습이 선행되어야 한다. 단순하 게 학습만 하면 되는 것이 아니라 올바른 방향으로 학습이 진행되어야 하는 데 그러기 위해서는 여러가지 조건이 필요하다. 이 조건 중 높은 비중을 차 지하는 건 데이터의 양이다. 데이터 양이 적으면 학습이 올바르게 진행되지 않고 데이터 양이 많으면 학습이 데이터에만 맞춰지는 과 적합 현상이 일어 나므로 적절한 데이터가 필요하다. 하지만 데이터가 많은 경우 보다는 데이 터가 적은 경우가 더 많기에 데이터를 증강 방식이 많이 필요하다. 데이터 증강 방식은 대중적으로 쓰는 방식들이 존재하지만 종종 특정한 데이터에 한정해서 특별한 방식이 필요하다. 본 논문에서는 사람 신체의 특징점을 추 출하는 방식으로 가공한 수어 영상 데이터 영상을 사용하기 때문에 대중적 으로 사용하는 데이터 증강 방식으로는 학습이 어렵다. 따라서 본 논문에서 는 수어 번역 학습을 위한 수어 데이터를 증강하는 법을 제시하며 증강된 데이터로 학습한 수어 번역 시스템의 성능이 증강 전 데이터의 학습결과와 비교해서 어느 정도 향상되었는지 확인한다.
Artificial intelligence technology is constantly evolving and has been applied to various fields. For this technique to be used properly, learning must be preceded. It is not only simple learning, but learning must be conducted in the right direction. Of these conditions, it is the amoun...
Artificial intelligence technology is constantly evolving and has been applied to various fields. For this technique to be used properly, learning must be preceded. It is not only simple learning, but learning must be conducted in the right direction. Of these conditions, it is the amount of data that accounts for a high proportion. If the amount of data is small, learning does not proceed correctly, and if the amount of data is large, appropriate data is needed because overfitting occurs, where the training is tailored to the data. However, there are more cases where there is less data than many cases, so a lot of augmentation methods are needed. Data augmentation methods exist in popular ways, but they are often limited to specific data and require special methods. In this paper, we use the fish image data image processed by extracting the feature points of the human body. Therefore, it is difficult to learn with popular data augmentation methods. Therefore, in this paper, we propose a method for augmenting the semantic data for learning the translation of the sign language, and confirm how much the performance of the semantic translation system learned with the augmented data is improved compared to the learning result of the data before the augmentation.
Artificial intelligence technology is constantly evolving and has been applied to various fields. For this technique to be used properly, learning must be preceded. It is not only simple learning, but learning must be conducted in the right direction. Of these conditions, it is the amount of data that accounts for a high proportion. If the amount of data is small, learning does not proceed correctly, and if the amount of data is large, appropriate data is needed because overfitting occurs, where the training is tailored to the data. However, there are more cases where there is less data than many cases, so a lot of augmentation methods are needed. Data augmentation methods exist in popular ways, but they are often limited to specific data and require special methods. In this paper, we use the fish image data image processed by extracting the feature points of the human body. Therefore, it is difficult to learn with popular data augmentation methods. Therefore, in this paper, we propose a method for augmenting the semantic data for learning the translation of the sign language, and confirm how much the performance of the semantic translation system learned with the augmented data is improved compared to the learning result of the data before the augmentation.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.