메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김누리 (서울대학교) 이동훈 (서울대학교) 오성회 (서울대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.44 No.7
발행연도
2017.7
수록면
668 - 673 (6page)
DOI
10.5626/JOK.2017.44.7.668

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 몇 년간 딥러닝(deep learning)은 음성 인식, 영상 인식, 물체 검출을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능 발전을 거듭해왔다. 그에 비해 네트워크가 어떻게 작동하는지에 대한 깊은 이해는 잘 이루어지지 않고 있다. 본 논문은 효과적인 신경망 네트워크를 구성하기 위해 네트워크 파라미터들이 신경망 내부에서 어떻게 작동하고, 어떤 역할을 하고 있는지 분석하였다. Faster R-CNN 네트워크를 기반으로 하여 신경망의 과적합(overfitting)을 막는 드랍아웃(dropout) 확률과 앵커 박스 크기, 그리고 활성 함수를 변화시켜 학습한 후 그 결과를 분석하였다. 또한 드랍아웃과 배치 정규화(batch normalization) 방식을 비교해보았다. 드랍아웃 확률은 0.3일 때 가장 좋은 성능을 보였으며 앵커 박스의 크기는 최종 물체 검출 성능과 큰 관련이 없다는 것을 알 수 있었다. 드랍아웃과 배치 정규화 방식은 서로를 완전히 대체할 수는 없는 것을 확인할 수 있었다. 활성화 함수는 음수 도메인의 기울기가 0.02인 leaky ReLU가 비교적 좋은 성능을 보였다.
#딥러닝 #물체검출 네트워크 #컨벌루션 네트워크 #하이퍼파라미터 #deep learning #detection network #convolutional network #hyper parameter

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 결과
5. 결론 및 향후 연구
References

참고문헌 (13)

참고문헌 신청
G. E. Hinton and R. R. Salakhutdinov, Reducing the dimensionality of data with neural networks, Science, pp. 504-507, 2006. Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton, Imagenet classification with deep convolutional neural networks, Advances in neural information processing systems, 2012. Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun, Faster R-CNN: Towards real-time object detection with region proposal networks, Advances in neural information processing systems, 2015. Kaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian sun, Deep residual learning for image recognition, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition, 2016. Jonathan Long, Evan Shelhamer, and Trevor Darrell, Fully Convolutional Networks for Semantic Segmentation, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition, 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

인공신경망의 연결압축에 대한 연구
안희준 한국산업정보학회논문지 2017 .10
한국어 음소 단위 LSTM 언어모델을 이용한 문장 생성
안성만 ,  정여진 ,  이재준 외 1명 지능정보연구 2017 .06
LSTM 언어모델 기반 한국어 문장 생성
김양훈 ,  황용근 ,  강태관 외 1명 한국통신학회논문지 2016 .05
제조업의 심층신경망 기계학습(딥러닝)
조만 ,  이민국 에너지공학 2017 .09
T-Commerce Sale Prediction Using Deep Learning and Statistical Model
김인중 ,  나기현 ,  양소희 외 4명 Journal of KIISE 2017 .08

최근 본 자료

전체보기

댓글(0)

0