최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기융합정보논문지 = Journal of Convergence for Information Technology, v.8 no.6, 2018년, pp.375 - 380
이동규 (신한대학교 IT융합공학부)
This paper proposes a classification method using the Convolutional Neural Network(CNN) which can obtain the type of trucks from the input image without the feature extraction step. To automatically classify vehicle images according to the type of truck cargo box, the top view images of the vehicle ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
CNN은 어떤 구조를 가지고 있는가? | CNN은 학습과정을 통해 적절한 특징(feature)의 추출과 분류(classification)을 동시에 할 수 있는 구조를 가지고 있다[14]. CNN의 구조는 영상의 특징을 추출하기 위한 합성곱 네트워크와 추출된 특징을 분류하기 위한 전 연결 네트워크로 나눌 수 있다. | |
대형화된 물류의 이동으로 인해 발생할 수 있는 문제는 무엇인가? | 산업의 고도화와 함께 물류의 양과 크기도 증가 하고 있다. 그러나 대형화된 물류의 이동과 함께 화물차량의 적재불량으로 인한 도로면의 손상이나 낙하물로 인한 사고의 위험이 증가 하고 있다. 이를 방지하기 위해서는 적재불량 차량의 단속을 통해 사고를 예방하는 것이 중요하다. | |
일반적인 영상분류 카메라로 화물차의 적재불량 단속 차종 분류 과정에서 어떤 어려움이 있는가? | 추출된 특징값을 기준 값과 비교하여 입력 영상이 어떤 범주에 해당하는 지를 판정하는 방법을 사용한다[1-4]. 그러나 차종분류에서는 다양한 차종이 존재하고 각 차종의 모양과 크기가 일정하지 않기 때문에 적절한 특징과 판정 기준을 정하기 어렵다. 또한 대부분의 차종 분류는 차량의 전면이나 측면 영상을 사용하여 차량의 검출이나 차종을 분류를 하고 있다[5-12]. |
R. Girshick, J. Donahue, T. Darrell & J. Malik..(2014). Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation. Proceedings of CVPR 2014, 580-587.
G. S. Kim. (2002). Morphological Vehicle Classification Algorithm for Intelligent Transportation System. Journal of Korea Multimedia Society, 5(1), 10-17.
W. S. Shin & C. H. Lee. (2008). Efficient Learning and Classification for Vehicle Type using Moving Cast Shadow Elimination in Vehicle Surveillance Video. The KIPS Transactions, 15B(1), 1-8.
Y. O. Adu-Gyamfi & A. Sharma. (2017). Automated Vehicle Recognition with Deep Convolutional Neural Networks. Transportation Research Record Journal of the Transportation Research Board, 2645, 113-122. DOI : 10.3141/2645-13
J. C. Han, B. C. Koo & K. J. Cheoi. (2017). Obstacle Detection and Recognition System for Autonomous Driving Vehicle. Journal of Convergence for Information Technology, 7(6), 229-235.
Z. Dong, Y. Wu, M. Pei & Y. Jia. (2015). Vehicle Type Classification Using a Semisupervised Convolutional Neural Network. IEEE Transactions on Intelligent Transportation systems, 16(4), 2247-2256. DOI : 10.1109/TITS.2015.2402438
E. Rhee. (2017). Security Algorithm for Vehicle Type Recognition. Journal of Convergence for Information Technology, 7(2), 77-82.
W. K. Park, Y. Choi, H. K. KIM, G. S. Choi & H. Y. Jung. (2017). Night-time Vehicle Detection Method Using Convolutional Neural Network. The Korean Journal of IEMEK, 12(2), 113-120.
M. K. Kwon & H. S. Yang. (2017). A scene search method based on principal character identification using convolutional neural network. Journal of Convergence for Information Technology, 7(2), 31-36.
Peemen, Mesman, Bart, Corporaal & Henk.. (2011). Speed sign detection and recognition by convolutional neural networks. Proceedings of the 8th International Automotive Congress, 11(2), 162-170.
J. H. Ku. (2018). A Study on Adaptive Learning Model for Performance Improvement of Stream Analytics. Journal of Convergence for Information Technology, 8(1), 201-206.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.