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
김세송 (동국대학교) 정승원 (동국대학교)
저널정보
한국방송·미디어공학회 방송공학회논문지 방송공학회논문지 제23권 제3호
발행연도
2018.5
수록면
403 - 408 (6page)

이용수

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

초록· 키워드

오류제보하기
딥 러닝의 학습을 위해서 일반적으로 많은 양의 데이터가 필요하다. 그러나 많은 양의 데이터 세트를 만드는 것은 쉽지 않기 때문에, 회전, 반전 (flipping), 필터링 (filtering) 등의 간단한 데이터 확장 (data augmentation) 기법을 통해 작은 데이터 세트를 좀 더 큰 데이터 세트로 만드는 여러 시도들이 있었다. 그러나 이러한 기법들은 이미 보유하고 있는 데이터 세트만을 이용하기 때문에 확장성에 제약을 갖는다. 이런 문제를 해결하기 위해 본고에서는 보유하고 있는 영상 데이터를 이용하여 새로운 영상 데이터를 획득하는 기술을 제안한다. 이는 기존 데이터 세트의 영상 데이터를 CBIR(Contents based image retrieval)의 쿼리로 이용하여 유사 영상들을 검색하여 획득하는 방식으로 이루어진다. 최종적으로 CBIR을 이용해 확장한 데이터를 딥 러닝으로 학습시켜 확장 전후의 성능을 비교하였다.
#Content-based image retrieval #Data augmentation #Deep learning #Machine learning

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. CBIR
III. 실험
Ⅳ. 결론
참고문헌 (References)

참고문헌 (7)

참고문헌 신청
R. Datta, J. Li, and J.Z. Wang, “Content-Based Image Retrieval: Approaches and Trends of the New Age,” Proceedings of the 7th ACM SIGMM international workshop on Multimedia information retrieval, ACM, New York, USA, pp.253-262, November, 2005, doi:10.1145/ 1101826.1101866. C. Szegedy, W. Liu, Y. Jia, P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich, Going deeper with convolutions, Computer Vision and Pattern Recognition(CVPR), Boston, USA, June, 2015, doi:10.1109/CVPR.2015.7298594. G. Griffin, A. Holub, and P. Perona. Caltech-256 object category dataset, California Institute of Technology, 2007. A. Krizhevsky, V. Nair, and G. Hinton, The CIFAR-10 dataset, 2014, http://www.cs.toronto.edu/kriz/cifar.html. J. Cho, K. lee, E. Shin, G. Choy. S. Do How much data is needed to train a medical image deep learning system to achieve necessary high accuracy?, 2015. https://arxiv.org/abs/1511.06348.

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

A Reconstruction of Classification for Iris Species Using Euclidean Distance Based on a Machine Learning
Soo-Tai Nam ,  Seong-Yoon Shin ,  Chan-Yong Jin 한국정보통신학회논문지 2020 .02
열화상이미지와 딥 러닝을 활용한 자동 누수탐사기술 연구
최영환 ,  조완섭 한국정보기술학회논문지 2018 .08
딥러닝을 이용한 이미지 데이터로부터의 정보추출
박정은 ,  김철연 한국정보과학회 학술발표논문집 2018 .06
OpenCV를 이용한 CBIR기반 의류 검색 시스템
김병우 ,  이가혜 ,  이승형 외 1명 한국정보과학회 학술발표논문집 2017 .06
CNN 기법을 이용한 공간정보 자동분류연구
유수홍 ,  이지상 ,  노현주 외 2명 대한공간정보학회 학술대회 2017 .05

최근 본 자료

전체보기

댓글(0)

0