최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.67 no.5, 2018년, pp.669 - 674
김준봉 (Dept. of Electronics Engineering, Seokyeong University) , 서기성 (Dept. of Electronics Engineering, Seokyeong University)
Data augmentation is an efficient way to reduce overfitting on models and to improve a performance supplementing extra data for training. It is more important in deep learning based industrial machine vision. Because deep learning requires huge scale of learning data to learn a model, but acquisitio...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
결함 데이터를 확장하기 위해 사용한 이미지 확장 방법은? | 결함 데이터를 확장하기 위해 사용한 이미지 확장 방법은 회전(rotation), 윈도우 이동(sliding window), 밝기 조절(brightness variation), 크기 조절(resize) 4가지 방법을 사용한다. 이러한 확장 방법들을 선택한 이유는 결함의 방향, 길이, 결함의 픽셀값 변화 또는 주변 배경과 결함 픽셀값 차이에 변화를 주기 위함이다. | |
표면 결함의 종류는? | 표면 결함의 종류는 스크래치(scratch), 찍힘(stamped), 짙은 얼룩(stain) 등이 존재한다. 이들 결함에 따라서 적용 가능한 데이터 확장 방법이 다를 수 있으며, 효과도 상이할 수 있다. | |
데이터 확장(augmentation) 방법의 종류와 특징은? | 데이터 확장(augmentation) 방법은 크게 기하적 변환과 태스크 기반(task-specific 또는 guided) 확장으로 나뉜다[5]. 기하적 변환은 크기조절, 반전, 자르기, 회전, 이동, 윈도우 분할 등이 있다. 태스크 기반 확장은 데이터를 합성 시 분류에 대한 척도를 고려하여 학습을 수행한다. 물체 인식에 대해서 자르기(crop)와 반전(flip)만을 사용하여 다양한 CNN 네트워크에 대해서 성능 비교를 한 연구가 있다[6]. |
Y. Park, and I. S. Kweon "Ambiguous Surface Defect Image Classification of AMOLED Displays in Smartphones," IEEE Trans. on Industrial Informatics, Vol. 12, No. 2, pp. 597-607, 2016
J-K. Park, N. Kwon, J-H. and D. Kang "Machine Learning-Based Imaging System for Surface Defect Inspection," International Journal of Precision Engineering and Manufacturing-Green Technology, Vol. 3, No. 3, pp. 303-310, 2016
H. Choi and K. Seo, "CNN Based Detection of Surface Defects for Electronic Parts," Journal of Korean Institute of Intelligent Systems, Vol. 27, No. 3, pp. 2017.
H. Choi and K. Seo, "Comparison of CNN Structures for Detection of Surface Defects," The Transactions of the Korean Institute of Electrical Engineers Vol. 66, No. 7, pp. 1100 1104, 2017.
Mandar Dixit, Roland Kwitt, Marc Niethammer, Nuno Vasconcelos, "AGA, Attribute-Guided Augmentation," arXiv:1612.02559
Ken Chatfield, Karen Simonyan, Andrea Vedaldi, Andrew Zisserman, "Return of the Devil in the Details: Delving Deep into Convolutional Nets," arXiv:1405.3531
Andrew G. Howard, "Some Improvements on Deep Convolutional Neural Network Based Image Classification," arXiv:1312.5402
Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, "Generative Adversarial Networks," arXiv: 1406.2661
Jason Wang, Luis Perez, "The Effectiveness of Data Augmentation in Image Classification using Deep Learning," Technical Report, 2017
A. Krizhevsky, I. Sutskever, and G. Hinton. "ImageNet classification with deep convolutional neural networks", In NIPS, 2012.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.