$\require{mediawiki-texvc}$

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.

[국내논문] Generative Adversarial Nets 분석과 적용사례
Generative Adversarial Nets Analysis and Applications 원문보기

한국방송공학회 2017년도 하계학술대회, 2017 June 21, 2017년, pp.36 - 39  

이준환 (광운대학교) ,  유지상 (광운대학교)

초록
AI-Helper 아이콘AI-Helper

2014 년 Ian Goodfellow 가 발표한 한편의 논문은 머신러닝 분야에 새로운 방향을 제시하였다. Generative Adversarial Networks, 일명 GAN 이라 불리는 이 논문은 이전까지 딥러닝으로 하지못했던 새로운 것을 창조해내는 작업을 하는 첫번째 딥러닝 알고리즘이다. 이전까지는 딥러닝을 통해 영상에서 객체의 종류를 판단하는 Classification 문제나, 영상에서 특정 객체를 검출하여 위치를 찾는 Object detection, 영상 내 특정 객체만 분리해내는 Image segmentation 문제를 해결하고 있었다. GAN 의 등장으로, 다양한 방면에서 GAN 을 적용하여 기존에는 하지 못했던 새로운 분야에 딥러닝을 적용한 사례들이 등장하고 있다. 본 논문에서는 GAN 의 원리 분석과 GAN 을 응용하여 여러 분야에 적용한 사례들을 살펴보고자 한다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 최근 굉장히 주목을 받고있는 논문인 Generative Adversarial Networks(GAN)에 관한 이야기를 해보고자 한다[1]. GAN 은 Ian Goodfellow 가 2014 년에 제안한 논문으로 한국어로 번역하면 “대립쌍 구조를 사용하는 생성 모델” 이라고 할 수 있다.
  • 이 연구는 지금까지 기존의 머신러닝 방법으로 해결하지 못하고 오직 인간만이 해낼 수 있다고 생각했던 창조하는 문제를 해결할 수 있는 가능성을 가지고 있다. 본 논문에서는 GAN 의 구조 분석과 GAN 의 적용사례들을 살펴보고자 한다.
  • 앞장에서 GAN 의 이론적 원리와 어떻게 동작하는지를 살펴보았다. 이번장에서는 기존 알고리즘의 문제점을 해결하거나 향상된 새로운 GAN 모델과, GAN 을 사용한 다양한 방면에서의 적용사례들을 살펴보고자 한다. 개인적으로 가장 중요하고 의미 있는 모델은 Deep Convolutional GAN(DCGAN)[3] 이라고 생각한다.
본문요약 정보가 도움이 되었나요?

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