최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國軍事科學技術學會誌 = Journal of the KIMST, v.20 no.6, 2017년, pp.758 - 766
이주영 (국방과학연구소 제3기술연구본부) , 임재완 (국방과학연구소 제3기술연구본부) , 백하은 (국방과학연구소 제3기술연구본부) , 김춘호 (국방과학연구소 제1기술연구본부) , 박정수 (국방과학연구소 제1기술연구본부) , 고은진 (국방과학연구소 제3기술연구본부)
In this paper, we propose a robust duality of CNN(Du-CNN) method which can classify the target and clutter in coastal environment for IR Imaging Sensor. In coastal environment, there are various clutter that have many similarities with real target due to diverse change of air temperature, water temp...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
해수면에서의 표적 탐지 알고리듬은 무엇이 있는가 | 해수면에서의 표적 탐지 알고리듬은 기본적으로 표적과 클러터를 분류하기 위한 방법들을 적용하고 있으며, SURF와, RDL(Robust Dictionary Learning)를 이용한 방법[1,2], QFT(Quaternion Fourier Transform)을 이용한 방법[3] 등 관련된 많은 연구가 진행되어 왔다. | |
CNN은 어떤 방법인가 | CNN(Convolutional Neural Network)은 입력된 영상에대해 물체를 인식하는 과정을 인간의 시신경을 모사해서 설계된 기계학습 방법으로, 최근에 영상인식 분야에서 뛰어난 성능을 나타내는 것으로 보고되고 있다[5,6]. 이것은 GPU 및 컴퓨터 시스템 성능의 발달로인해 복잡하고 다수의 층으로 이루어진 CNN 구조를 빠른 시간 안에 수행하는 것이 가능하게 되면서 많은 영상인식 과제들을 해결하는데 적합하기 때문이다[7]. | |
적외선 영상센서로 표적 식별 시, 연산량의 증가를 최소화하면서도 정확도를 높이는 것이 최우선적으로 고려되어야 하는 이유? | 적외선 영상센서로 해상에 위치한 표적을 식별하는 문제에 있어서, 해수면 상에서 발생할 수 있는 많은 클러터들의 특징을 파악하고 적절하게 분류해 내는 문제는 표적탐지의 정확도를 높이기 위한 방법 중에서도 매우 중요한 사항이다. 따라서 분류기의 성능을높이는 것이 요구되나 자원이 제한된 소형 센서 시스템의 실시간성을 고려하면 연산량을 무작정 늘릴 수는 없다. 이러한 이유로 연산량의 증가를 최소화하면서도 정확도를 높이는 것이 최우선적으로 고려되어야 할 사항이다. |
H. Zhang, Z. Zhao and F. Xiao, "Robust Detection Method of Small Targets in Sea-Clutter via Improved Fast Clustering Segmentation," 10.1109/IHMSC.2016.236, pp. 123-126, 2016.
C. Yang, H. Liu, S. Liao and S. Wang, "Small Target Detection in Infrared Video Sequence using Robust Dictionary Learning," Infrared Physics & Technology, Vol. 68, pp. 1-9, 2015
S. Qi, J. ma, H. Li, S. Zhang and J. Tian, "Infrared Small Target Enhancement via Phase Spectrum of Quaternion Fourier Transform," Infrared Physics & Technology, Vol. 62, pp. 50-58, 2014.
Hiroshi Tasaka, "Everyone has Multiple Personality," Kobunsha Co. Japan, 2015.
K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition", arXiv, 2014.
A. Krizhevsky, I. Sutskever and G. E. Hinton, "ImageNet Classification with Deep Convolution Neural Networks," In Pro. NIPS, 2012.
S. Bell, P. Upchurch, N. Snavely and K. Bala, "Material Recognition in the Wild with the Materials in Context Database," CoRR, abs/1412.0623, 2014.
Tao Yang, “Application of Computational Verbs to Feeling Retrieval from Texts,” International Journal of Computational Cognition, Vol. 4, No. 3, pp. 28- 45, 2006.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.