최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기The journal of the institute of internet, broadcasting and communication : JIIBC, v.20 no.1, 2020년, pp.219 - 223
이동구 (광운대학교 전자융합공학과) , 선영규 (광운대학교 전자융합공학과) , 김수현 (광운대학교 전자융합공학과) , 심이삭 (광운대학교 전자융합공학과) , 이계산 (경희대학교 전파공학과) , 송명남 ((주)현대엠아이비인터내셔널) , 김진영 (광운대학교 전자융합공학과)
To guarantee AI model's prominent recognition rate and recognition precision, obtaining the large number of data is essential. In this paper, we propose transfer learning-based object detection algorithm for maintaining outstanding performance even when the volume of training data is small. Also, we...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
전이학습은 어떤 기법인가? | 전이학습은 미리 학습된 인공신경망을 활용하여 처음에 학습된 데이터와 유사한 데이터의 특징을 학습하여 사용하는 기법으로, 처음에 이용한 학습데이터 보다 더 적은 수의 데이터로 새로운 데이터의 특징을 학습한다[1,2]. 이러한 특징을 이용하여 다양한 분야에서 활용한 연구들이 뛰어난 성능을 보이고 있다[3]-[5]. | |
미리 학습시킨 심층 컨볼루션 신경망에 계층을 추가한 YOLO 네트워크는 초당 몇 프레임의 실시간 이미지 처리가 가능하나? | 이를 통해 객체 탐지 문제에 있어 기존의 회귀 기반 탐지 알고리즘이 아닌 사각형 영역 라벨링을 통해 탐지된 물체의 클래스와 탐지 정밀도를 출력하는 시스템을 구현하였다. [3]의 YOLO 모델은 초당 45프레임의 실시간 이미지 처리도 가능하며, 고정밀객체탐지가 가능하다. | |
YOLO 네트워크란? | 본 논문에서는 YOLO 네트워크와 Resnet-50을 활용한 전이학습 네트워크를 사용하였다. 먼저 YOLO 네트워크는 24개의 컨볼루션 계층과 2개의 퍼셉트론 계층으로 이루어진 네트워크이며, ImageNet 데이터셋을 사전학습 시킨 네트워크이다[3]. YOLO 네트워크는 출력으로써 탐지한 객체에 대해 복수의 사각형 경계값을 추정하게 된다. |
I. Goodfellow, Deep Learning, MIT Press, 2016.
C. Tan, F. Sun, T. Kong, W. Zhang, C. Yang and C. Liu, "A survey on deep transfer learning," Proc. The 27th International Conference on Artificial Neural Networks, pp. 270-279, Rhodes, Greece, Oct. 2018.
J. Gao, H. Ling, W. Hu and J. Xing, "Transfer learning based visual tracking with Gaussian process regression," Proc. of ECCV 2014, pp. 188-203, Zurich, Switzerland, Sept. 2014. DOI: https://doi.org/10.1007/978-3-319-10578-9_13
J. Yosinski, J. Clune, Y. Bengio and H. Lipson, "How transferable are features in deep neural networks?," Proc. Advances in Neural Information Processing Systems, pp.3320-3328, Montreal, Canada, Dec. 2014.
S. Ruder, "An overview of gradient descent optimization algorithms," arXiv:1609.04747, June 2017.
J. Davis and M. Goadrich, "The relationship between precision-recall and ROC curves," Proc. International Conference Machine Learning, pp. 233-240, Pennsylvania, USA, June 2006.
J. Y. Kim and P. G. Lee, "Image recognition based on adaptive deep learning," Journal of the Institute of Internet Braodcasting and Communication, vol.18, no.1, pp.113-117, Feb. 2018.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.