초록 ▼

연구개발 목표 및 내용
최종 목표
영상 분할 모델 학습을 위한 효율적 데이터셋 구축 방법 고안
전체 내용
라벨링 되어 있지 않은 데이터에서 모델 학습에 효율적인 샘플들을 골라 일부만 라벨링하여 학습 데이터셋 구축.

1단계(해당 시 작성)
목표 : 영상분할 모델 학습을 위한 효율적 데이터셋 구축
내용 : 샘플의 일부만 라벨링하여 라벨링 비용 절감

연구개발성과
음원 객체 위치 검출을 위한 효율적 데이터셋 구축 방법론 개발

연구개발성과 활용계획 및 기대 효과<

연구개발 목표 및 내용
최종 목표
영상 분할 모델 학습을 위한 효율적 데이터셋 구축 방법 고안
전체 내용
라벨링 되어 있지 않은 데이터에서 모델 학습에 효율적인 샘플들을 골라 일부만 라벨링하여 학습 데이터셋 구축.

1단계(해당 시 작성)
목표 : 영상분할 모델 학습을 위한 효율적 데이터셋 구축
내용 : 샘플의 일부만 라벨링하여 라벨링 비용 절감

연구개발성과
음원 객체 위치 검출을 위한 효율적 데이터셋 구축 방법론 개발

연구개발성과 활용계획 및 기대 효과
음향-영상 데이터를 동시에 분석하는 멀티모달 기계학습 연구는 과학적 측면에서는 사람에 가까운 인식 모델을 만든다는 목표가 있으며, 산업에서는 AR/VR과 같이 복잡한 주변 환경을 영상과 음향 모두를 통해 분석하고자 하는 수요가 있음. 이에 따라 음향-영상 분석 모델에 대한 개발이 화두가 되고 있지만 동영상을 라벨링 하는 과정은 단일 영상을 라벨링하던 기존 영상인식 분야모다 매우 많은 비용이 소요됨. 이를 해결하기 위하여, 전체 데이터를 구체적으로 라벨링하지 않고도 모델을 학습하는 방법을 개발함. 이는 AR/VR 및 다양한 동영상 분석 산업에 활용될 수 있음.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1.1 연구 배경 및 목표 ... 4
• 1.2 기존 연구 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 2.1 video classification 모델의 sound localization 적용 ... 5
• 2.1 제안하는 방법론의 응용 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 7
• 1) 연구수행 결과 ... 7
• 2) 목표 달성 수준 ... 8
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 8
• 4.1 Sound localization의 높은 산업적 가치 ... 8
• 4.2 약한지도 학습과 준지도 학습 방법론 제시 ... 8
• 5. 연구개발성과 및 활용 계획 ... 9
• 1) 연구성과 ... 9
• 2) 연구성과 활용계획 ... 9
• 6. 참고문헌 ... 10
• 끝페이지 ... 10