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.7, 2018년, pp.865 - 870
이민기 (Dept. of Electronics Engineering, Seokyeong University) , 서기성 (Dept. of Electronics Engineering, Seokyeong University)
A machine vision based industrial inspection includes defects detection and classification. Fast inspection is a fundamental problem for many applications of real-time vision systems. It requires little computation time and localizing defects robustly with high accuracy. Deep learning technique have...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
VOV+CNN 검출 방법 외에 Faster R-CNN과 YOLOv2 기법을 통해 금속 부품의 표면 결함 검사를 시행했을 때 어떤 결과를 얻을 수 있는가? | 사전에 연구된 VOV+CNN 검출 방법 외에 Faster R-CNN과 YOLOv2 기법을 중심으로 검 출 성능과 속도 측면에서 비교하였다. 미검출율은 Faster R-CNN이 가장 우수했고, 그 다음으로 VOV+CNN, YOLOv2 순이었다. 과검출과 오류율은 YOLOv2가 가장 우수했고, 그 다음으로 Faster R-CNN, VOV+CNN 순으로 나타났다. 또한, 검츨 속도면에서도 YOLOv2 기법이 다른 두 방법보다 월등한 성능을 보였다. 물체 검출을 위주로 연구가 되고 있는 Faster R-CNN 과 YOLOv2 알고리즘을 난이도가 높은 금속 부품의 표면 결함 검출에 적용하여 만족할 만한 성능을 얻은 것이 의의라고 볼 수 있다. | |
CNN은 어떤 구조로 이루어져 있는가? | 컨볼루션(convolution) 층과 풀링(pooling) 층이 교대로 반복되는 구조를 이룬다. 컨볼루션(합성곱) 연산은 이미지를 흐릿하게 하거나 모서리나 선을 강조하는 효과를 준다. | |
YOLOv2가 객체 검출을 하는 방법은 무엇인가? | YOLOv2[14]는 실시간 객체 검출을 목표로 하는 학습 및 검출 알고리즘으로 기존의 YOLO[12] 알고리즘을 개선한 기법이다. YOLOv2는 입력 이미지를 S ×S의 그리드 셀로 나눈 후 각 그리드 셀마다 5개의 앵커 박스를 적용하여 그리드 셀 내 객체의 존재 확률, 객체에 대한 클래스의 확률, 객체의 중심좌표와 객체의 너비 및 높이를 추정한다. Faster R-CNN이 RPN으로 객체의 영 역을 제안하는 것과 달리, YOLOv2는 간단한 그리드 셀을 바탕으로 객체의 영역을 제안한다. |
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
S. Ghorai, A. Mukherjee, M. Gangadaran, P. K. Dutta, "Automatic Defect Detection on Hot-Rolled Flat Steel Products," IEEE Trans. on Instrumentation and Measurement, vol. 62, Iss. 3, pp. 612-621, 2013.
LeCun, Yann, et al. "Gradient based learning applied to document recognition," Proceedings of the IEEE, pp. 2278-2324, 1998
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. 195-200, 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
B.-K Kwon, J.-S. Won, D.-J. Kang. "Fast defect detection for various types of surfaces using random forest with VOV features," International Journal of Precision Engineering and Manufacturing, vol. 16, no. 5, pp. 965-970, 2015
R. Girshick, J. Donahue, T. Darrell, J. Malik, "Region-Based Convolutional Networks for Accurate Object Detection and Segmentation," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 38, no. 1. pp. 142-158. 2016
R. Girshick, "Fast R-CNN," ICCV 2015, pp. 1440-1448. 2015
Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun, "Faster r-cnn: Towards real-time object detection with region proposal networks," Advances in neural information processing systems, pp. 91-99, 2015
M. Lee, K, Seo, "Using Deep Learning Based Machine Vision for Defects Detection," Proceedings of Information and Control Symposium CICS'2017, pp. 54-55, 2017.
Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," Proceedings of the IEEE conference on computer vision and pattern recognition, 2016
M. Lee, K, Seo, "Comparison of CNN Methods for Defects Detection," Proceedings of Information and Control Symposium ICS'2018, pp. 101-102, 2018.
Joseph Redmon, Ali Farhadi, "YOLO9000: better, faster, stronger," arXiv:1612.08242, 2017.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.