$\require{mediawiki-texvc}$

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.

AI학습 맞춤형 이미지 데이터셋 구성에 대한 연구
AI Learning Cookie Image Data Set Construction 원문보기

한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호, 2020 July 15, 2020년, pp.347 - 349  

이조순 (동국대학교 멀티미디어공학과) ,  고병국 (동국대학교 멀티미디어공학과) ,  강은수 (동국대학교 멀티미디어공학과) ,  최하진 (동국대학교 멀티미디어공학과) ,  김준오 (동국대학교 멀티미디어공학과) ,  이병권 (서원대학교 멀티미디어과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 컴퓨팅 이미지 객체인식 시스템인 YOLO 성능 향상을 위한 효율적인 이미지 마킹 정책을 제안한다. 이 정책은 이미지 데이터를 통한 객체인식 학습 YOLO의 객체인식을 높이고 다른 객체와의 구분을 최대화하여 학습 모델의 성능을 높인다. YOLO의 성능을 최대화하기 위하여 YOLO의 학습을 몇 번 시킬 것인지 무엇을 객체로 인식시킬지 동적으로 할당한다. 이때 학습 싸이클에 따라 객체의 인식이 달라지며 어느 싸이클에서 가장 효율적인지, 왜 다른 객체를 같이 학습시켜야 하는지 중명한다. 본 논문에서는 YOLO의 싸이클과 다른 객체 학습에 있어서 최적의 객체인식 싸이클과 학습 성능 향상 면에서 우수함을 보인다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

대상 데이터

  • YOLO의 객체 인식 발전 방안을 위한 서론을 기술하고 있으며, 본 방안을 수행하기 위한 객체는 대한민국에 존재하는 탑으로 구성하였습니다. 발전은 탑을 YOLO에 학습시킴에 따라 YOLO의 학습 싸이클에 따른 문제점, 탑이 아닌 다른 객체 인식에 문제를 잡고 있으며 향후 적절한 학습 싸이클 및 다른 객체 학습을 통해 발전방안을 제시할 수 있습니다.
  • 학습이미지가 대부분 탑이라 전체를 인식하는 것이 아닌가하는 생각을 하여 크기를 다양하게 준 탑 데이터셋 100개를 추가로 학습시켜보았습니다. 600싸이클의 경우 타워를 부분 인식하기 시작하였고 800싸이클에서부터 타워를 제대로 인식하기 시작하였습니다.
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