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
김정수 (동명대학교) 이동명 (Tongmyong University)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제47권 제6호
발행연도
2022.6
수록면
855 - 861 (7page)
DOI
10.7840/kics.2022.47.6.855

이용수

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

초록· 키워드

오류제보하기
최근 머신러닝 기술의 발달로 산업현장에서 딥러닝(Deep Learning)을 통한 장면인식(Scene Recognition) 방법이 다양하게 연구되고 있다. 딥러닝을 이용한 장면인식의 성능은 알고리즘 구조와 학습방법에 따라 크게 영향을 받는다. 본 연구를 위한 사전 연구 결과, Places365 데이터셋으로 학습된 데이터 모델에 의한 제조 작업공간 분류 정확도는 54%로, 이 성능으로는 실제 환경에서 사용하기는 어렵다. 따라서 본 논문에서는 이러한 문제점을 해결하고자 CNN(Convolutional Neural Network) 기반에서 3가지의 전략으로 학습 데이터셋을 재구성하여 학습을 실시한 후 장면인식 기법을 이용하여 제조 작업공간 분류모델을 제시하였다. 제안한 알고리즘과 데이터셋 구성방법을 통해 학습할 경우, 제조 작업공간에 대한 장면인식 성능은 기존 방법에 비해 28%p 향상됨을 확인하였다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련연구
Ⅲ. CNN기반 제조 작업공간 모델 설계
Ⅳ. 실험 및 결과 분석
Ⅴ. 결론
References

참고문헌 (15)

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