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
정진영 (군산대학교) 손창환 (군산대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제20권 제8호(JKIIT, Vol.20, No.8)
발행연도
2022.8
수록면
123 - 132 (10page)
DOI
10.14801/jkiit.2022.20.8.123

이용수

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

초록· 키워드

오류제보하기
최근 초해상화 분야는 텍스처 복원과 인지 화질 평가에서 우수한 성능을 거두고 있는 인지 주도 방식이 대세를 이루고 있다. 이러한 인지 주도 기반의 초해상화 기법은 복원된 영상의 인지 손실을 평가하기 위해 사전 학습된 신경망 모델을 사용한다. 하지만, 이 모델은 이미지넷에 학습되었기 때문에 해충 부류 간 미세한 특징 차이를 구별하기에는 적합하지 않다. 따라서 본 연구에서는 해충 부류별 인지 손실을 결합할 수 있는 신경망 모델을 제안하고자 한다. 특히 해충 군집화, 군집별 신경망 학습 그리고 부류별 인지 손실 모델링 과정을 자세히 소개하고자 한다. 또한 해충 영상에서 전경과 배경 영역을 분리하여 특징 구별력을 강화할 수 있는 관심 영역 특징 추출기를 소개하고자 한다. 실험 결과를 통해, 제안한 해충 부류별 인지 손실 모델과 관심 영역 특징 추출기가 복원 영상의 선명도를 개선할 수 있음을 입증하고자 한다.
#pest superresolution #perceptual loss #custering #generative adversarial network #region-of-interests

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안한 부류별 인지 손실 모델링 및 관심 영역 추출기 기반 해충 초해상화
Ⅳ. 실험 및 결과
Ⅴ. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

해충 검출 및 카운팅을 위한 멀티스케일 CenterNet
이재현 ,  손창환 ,  이휘종 한국정보기술학회논문지 2022 .07
해충 초해상화를 위한 부류별 지각 손실 모델링
정진영 ,  손창환 ,  이휘종 Proceedings of KIIT Conference 2022 .06
해충 분류를 위한 양방향 특징 퓨전 기반의 Pyramid Vision Transformer
홍은하 ,  이재현 ,  손창환 외 1명 Proceedings of KIIT Conference 2022 .06
관심영역 특징 추출 기반의 해충 초고해상화 기법
정진영 ,  박재현 ,  손창환 외 1명 Proceedings of KIIT Conference 2021 .11
지식 전이 기반의 해충 영상 초해상화 기법
정재민 ,  정진영 ,  홍은하 외 1명 Proceedings of KIIT Conference 2022 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-004-001630691