지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.1
- 수록면
- 21 - 26 (6page)
이용수
초록· 키워드
오류제보하기
We present a framework that improves the performance of deep learning-based object detection model for generated images including game scenes. In particular, we aim to verify that the additional training using images sampled from game scenes can improve the performance of the object detection model, which was pre-trained using photographs. Among the various object detection schemes including Yolo V1, Yolo V2 and SSD, we employ YoloV2 model, which is one of the most widely used deep learning-based object detection model. YoloV2 model is pretrained using diverse photographs. This model is further trained through 160 game scene images sampled from eight different kinds of games. We select the games that range from realistic scenes and highly deformed scenes. We measure IoU (intersection over union) and accuracy using this model. The comparison between our re-trained model and the original model demonstrates the effectiveness of our strategy.
목차
등록된 정보가 없습니다.
참고문헌 (11)
참고문헌 신청
Girshick, Ross / 2014 / Rich feature hierarchies for accurate object detection and semantic segmentation / Proceedings of the IEEE conference on computer vision and pattern recognition
Girshick, Ross / 2015 / Proceedings of the IEEE international conference on computer vision
Ren, Shaoqing / 2015 / Faster r-cnn : Towards real-time object detection with region proposal networks / arXiv preprint arXiv : 1506. 01497
Redmon, Joseph / 2016 / You only look once:Unified, real-time object detection / Proceedings of the IEEE conference on computer vision and pattern recognition
Liu, Wei / 2016 / European conference on computer vision / Springer
Girshick, Ross / 2015 / Proceedings of the IEEE international conference on computer vision
Ren, Shaoqing / 2015 / Faster r-cnn : Towards real-time object detection with region proposal networks / arXiv preprint arXiv : 1506. 01497
Redmon, Joseph / 2016 / You only look once:Unified, real-time object detection / Proceedings of the IEEE conference on computer vision and pattern recognition
Liu, Wei / 2016 / European conference on computer vision / Springer
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A Scene-Specific Object Detection System Utilizing the Advantages of Fixed-Location Cameras
Journal of information and communication convergence engineering
2023 .12
-
다양한 재료에서 발생되는 연기 및 불꽃에 대한 YOLO 기반 객체 탐지 모델 성능 개선에 관한 연구
전기전자재료학회논문지
2024 .05
-
YOLOv5를 이용한 효율적인 소형 물체 감지 모델에 대한 연구
정보 및 제어 논문집
2024 .10
-
딥러닝 기반의 가금류 객체 탐지 알고리즘
디지털콘텐츠학회논문지
2022 .07
-
Analysis of YOLOv5 results based on detection speed and precision
한국생산제조학회 학술발표대회 논문집
2022 .05
-
Real-time Deep Learning-based Scene Recognition Model For Metaverse Applications
한국통신학회 학술대회논문집
2022 .02
-
객체 탐지 모델을 활용한 실시간 게임 화면 번역 시스템
한국정보과학회 학술발표논문집
2024 .12
-
미디어 제작을 위한 씬 검출 기법
한국방송미디어공학회 학술발표대회 논문집
2022 .06
-
Improving YOLOv5 with Attention Mechanism for Detecting Infrared Small Object
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
SSD의 객체 검출 층을 이용한 YOLOv3의 성능 향상
한국정보통신학회논문지
2024 .08
-
Research on Scene Features of Mixed Reality Game Based on Spatial Perception – Focused on "The Fragment" Case Study
멀티미디어학회논문지
2021 .04
-
Modification of YOLOv4 for Small Object Detection
한국자동차공학회 춘계학술대회
2023 .05
-
실시간 객체 검출 성능 평가에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
An Improved YOLO model for Large Object Detection for Black Ice Detection
한국통신학회 학술대회논문집
2022 .11
-
작은 물체 검출을 위한 딥러닝 네트워크 구조
한국자동차공학회 춘계학술대회
2021 .06
-
특정 구역에서의 실시간 객체 존재 감지 알고리즘
한국정보통신학회 종합학술대회 논문집
2023 .10
-
A New Approach for Scene Recognition using a Deep Convolution Neural Network
대한전자공학회 학술대회
2021 .06
-
딥러닝 모델을 이용한 실시간 객체 검출 기반 어포던스 특징 추출 시스템
제어로봇시스템학회 논문지
2017 .08
-
주행 환경 다중 객체 검출을 위한 실시간 CNN 모델
한국자동차공학회 춘계학술대회
2018 .06
-
An IoT-Based Object Detection and Alerting System for Livestock Disease Prevention
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0