$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공지능 기반 객체인식 기법에 관한 연구
A Study on Object Recognition Technique based on Artificial Intelligence 원문보기

융합보안논문지 = Convergence security journal, v.22 no.5, 2022년, pp.3 - 9  

양환석 (중부대학교)

초록
AI-Helper 아이콘AI-Helper

최근 들어 4차산업 연관기술인 사이버물리시스템(CPS) 구축을 위해 물리 모델과 제어회로 시뮬레이션을 위한 가상 제어시스템 구축 작업이 다양한 산업 분야에서 요구가 점점 증가하고 있다. 전자 문서화 되지 않은 문서들에 대한 직접입력을 통한 변환은 시간과 비용이 많이 소모된다. 이를 위해 이미 출력된 대량의 도면을 인공지능을 이용한 객체 인식을 통해 디지털화 작업은 매우 중요하다고 할 수 있다. 본 논문에서는 도면내 객체를 정확하게 인식하고 이를 다양한 응용에 활용할 수 있도록 하기 위하여 도면내 객체의 특징을 분석하여 인공지능을 활용한 인식 기법을 제안하였다. 객체 인식의 성능을 높이기 위하여 객체별 인식 후 그 정보를 저장하는 중간 파일을 생성하게 하였다. 그리고 인식 결과를 도면에서 삭제하여 다음 인식 대상의 인식률을 향상시켰다. 그리고 그 인식 결과를 표준화 포맷 문서로 저장하여 이를 제어시스템의 다양한 분야에 활용할 수 있도록 하였다. 본 논문에서 제안한 기법의 우수한 성능은 위해 실험을 통해 확인할 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

Recently, in order to build a cyber physical system(CPS) that is a technology related to the 4th industry, the construction of the virtual control system for physical model and control circuit simulation is increasingly required in various industries. It takes a lot of time and money to convert docu...

주제어

참고문헌 (8)

  1. T.-Yi Lin, P. Dollar, R. B. Girshick et al.,?"Feature pyramid networks for object?detection," IEEE CVPR, vol. 43, pp. 936-944,?2017. 

  2. S. Ren, K. He, R. Girshick, and J. Sun, "Faster r-cnn: towards real-time object detection with?region proposal networks," Advances in Neural?Information Processing Systems, vol. 61, pp. 91-99, 2015. 

  3. Chen, L., Wang, F., Wang, L.: Research on?warehouse object detection algorithm based on?fused DenseNet and SSD. In: Chinese?Conference on Image and Graphics?Technologies, pp. 602-611. Springer, Berlin?(2019) 

  4. W.-L. Chu, C.-J. Lin, and K.-N. Chang,?"Detection and Classification of Advanced?Persistent Threats and Attacks Using the?Support Vector Machine," Appl. Sci., vol. 9, no.?21, p. 4579, 2019. 

  5. Asaoka, T., Nagata, K., Nishi, T.: Detection of?object arrangement patterns using images for?robot picking. ROBOMECH J. 5(1), 23-32?(2018) 

  6. BHARATI, Puja; PRAMANIK, Ankita. Deep?learning techniques-R-CNN to mask R-CNN: a?survey. Computational Intelligence in Pattern?Recognition, 2020, 657-668. 

  7. Sharif Razavian, Ali, et al. "CNN features off-the-shelf: an astounding baseline for?recognition." Proceedings of the IEEE?conference on computer vision and pattern?recognition workshops. 2014. 

  8. Diwan, T., G. Anirudh, and J. V. Tembhurne.?"Object detection using YOLO: challenges,?architectural successors, datasets and applications."?Multimedia Tools and Applications (2022): 1-33. 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로