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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
서동호 (한양대학교) 차양훈 (예원대학교)
저널정보
한국애니메이션학회 애니메이션연구 애니메이션연구 제16권 제4호(통권 제56호)
발행연도
2020.12
수록면
141 - 156 (16page)
DOI
10.51467/ASKO.2020.12.16.4.141

이용수

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

초록· 키워드

오류제보하기
최근 이미지, 영상 및 자연어 처리, 그리고 음성 인식 분야에서는 그 어느 때보다 딥러닝(deep learning)을 기반으로 한 급속한 기술 발전과 더불어 인간의 영역을 뛰어넘은 우수한 성능까지 보이는 수준에 이르렀다. 더불어 딥러닝 기반의 기술 개발은 특정 분야에만 국한되지 않고 현재 모바일 어플리케이션부터 차세대 무선통신, 자율주행 자동차 분야까지 폭넓은 분야에서 다양한 형태의 기술 연구 및 개발이 이루어지고 있다. 특히, 인간만이 가능한 영역이라 불리던 예술의 창조 영역에서도 딥러닝을 이용한 기술을 바탕으로 예술 활동 및 연구가 진행되고 있다. 하지만 딥러닝 기반 기술들은 대부분 많은 데이터와 많은 컴퓨팅 자원을 요구하므로 이로 인한 실제 상용화에 많은 어려움이 존재하며, 특히 실제 환경에서 고성능의 딥러닝 모델을 구현하기 위해 필수적인 충분한 양질의 학습 데이터를 확보하지 못하는 경우가 많다. 따라서 이러한 문제점들을 극복하고 적은 데이터와 컴퓨팅 자원으로도 인공지능을 효율적으로 사용할 수 있는 기술들이 개발되고 있다. 전이학습(transfer learning)은 이런 문제점들을 해결할 수 있는 대표 기술로 최근 큰 주목을 받고 있다. 본 연구에서는 애니메이션 캐릭터의 성별을 분류하기 위해 전이학습 기반의 합성곱 신경망(convolutional neural network, CNN)을 통한 방식을 제안한다. 사람 얼굴로 학습된 합성곱 신경망 모델의 전이학습을 통해 애니메이션 캐릭터 이미지로 학습하여 분류기를 구현한 결과, 전이학습을 이용할 경우 적은 학습 데이터양으로도 우수한 성능의 분류 모델을 구현할 수 있음을 확인하였다.

목차

1. 서론
2. 제안하는 CNN 모델 및 구조
3. 전이학습
4. 시뮬레이션 및 결과
5. 결론 및 향후 연구
참고문헌
Abstract

참고문헌 (18)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-688-001415458