최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보처리학회 2016년도 추계학술발표대회, 2016 Oct. 27, 2016년, pp.621 - 624
허규진 (인천대학교 임베디드시스템공학과) , 오진숙 (인천대학교 임베디드시스템공학과) , 김한샘 (인천대학교 임베디드시스템공학과) , 이민학 (인천대학교 임베디드시스템공학과) , 강우철 (인천대학교 임베디드시스템공학과)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이미지들의 학습을 위한 데이터 집합에 필요한 두 가지는 무엇인가? | 데이터 집합은 크게 2가지가 필요하다. 1차적인 학습만을 위한 학습용 이미지 집합이 필요하고, 이것이 얼마나 정확한 값을 가지는지 확인하는 검증용 이미지 집합이 필요하다. 학습용 이미지 집합에 검증용 이미지 집합이 포함될 경우 학습의 결과가 저조하게 나오는 것을 확인하였다. | |
딥러닝은 어떠한 평가를 받고 있는가? | 최근 기계학습에 대한 관심이 증가하였고 다양한 분야에서 놀라운 성과를 내면서 기계학습은 폭 넓은 분야에 적용될 수 있음을 증명하였다. 특히 딥러닝은 기계학습의 다른 분야보다 예측력이 좋다는 평가를 받고 있고 기존 신경망 학습시의 문제였던 모수 (parameter) 최적화 문제가 해결되면서 현재 가장 각광받는 머신러닝 분석 방법으로 이슈가 되고 있다. 특히 Convolutional Neural Network (CNN)를 이용하여 만든 딥러닝 모델은 이미지 식별 분야에서 인간과 대등한 성능을 구현해냈으며, 음성인식 등의 분야에서도 Recurrent Neural Network (RNN)을 이용한 연구가 활발하게 진행 중이다 [1]. | |
기존에 존재하는 시각 장애인들을 위한 보조 장치들에는 무엇이 있는가? | 1에 나타나듯이 시각 장애인들의 인구가 많아지면서 더욱 중요해진 분야이다. 기존에 존재하는 시각 장애인들을 위한 보조 장치들의 대표적인 예로는 보도블록에 설치된 원형 블록과 음향 신호기 등이 존재하는데 이것들만으로는 시각장애인 스스로 전방에 위험 요소들을 확인할 수 없고, 이 마저도 설치 안 된 곳들이 많아 현실적으로 한계가 명확하기 때문이다. 따라서 본 논문에서는 딥러닝 모델을 이용한 시각 장애인용 이미지 식별 시스템을 제안한다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.