회색조 영상의 시맨틱 분할을 위한 사전 학습된 딥러닝 모델 확장 기법

정진원; 신요안

doi:10.7840/kics.2023.48.1.36

추천

검색

질문

자료유형: 학술저널

저자정보: 정진원 (Soongsil University) 신요안 (Soongsil University)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제1호

발행연도: 2023.1

수록면: 36 - 39 (4page)

DOI: 10.7840/kics.2023.48.1.36

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

데이터 양이 적은 데이터 세트로 딥러닝 모델을 학습할 때, 전이학습을 통해 업데이트와 재학습을 활용하면 학습 시간과 연산 리소스를 줄이고 알고리즘의 성능을 크게 향상할 수 있다. 하지만 영상처리에서 대부분의 사전 학습된 모델은 컬러 영상을 사용하여 학습되어 있어 3개 색상 채널이 입력 영상 값으로 사용된다. 반면, 회색조 영상은 컬러 영상에 비해 크기가 작고 1개의 채널을 가져 여러 개의 채널을 학습한 모델의 입력으로 사용할 수 없다. 따라서 기존 기법들은 데이터를 입력에 맞게 변형시키거나 사전 학습된 모델의 레이어를 수정해야 한다는 한계가 있다. 본 논문에서는 시맨틱 분할 영상처리를 위한 딥러닝 모델 앞부분에 컨볼루션 레이어를 추가해 회색조 영상에서 사전 학습된 모델을 사용하는 새로운 방법을 제안한다. 모의실험 결과, 제안 기법의 정확도가 높았으며 기존 기법보다 우수한 성능을 얻으면서도 좀 더 효과적으로 사전 학습된 모델을 사용할 수 있음을 확인하였다.

#image processing #semantic segmentation #RGB 3-channel color image #gray-scale image #transfer learning #pre-trained model #InceptionResNetV2 #convolution layer

참고문헌 (6)

참고문헌 신청

F. Zhuang, Z. Qi, K. Duan, D. Xi, Y. Zhu, H. Zhu, H. Xiong, and Q. He, “A comprehensive survey on transfer learning,” in Proc. IEEE, vol. 109, no. 1, pp. 43-76, Jan. 2021. (https://doi.org/10.1109/JPROC.2020.3004555)

C. Szegedy, S. Ioffe, V. Vanhoucke, and A. Alemi, “Inception-v4, Inception-ResNet and the impact of residual connections on learning,” in Proc. AAAI 2017, pp. 4278-4284, San Francisco, USA, Feb. 2017. (https://doi.org/10.1609/aaai.v31i1.11231)

J.-H. Choi, “Parallel-addition convolution algorithm in grayscale image,” J. Korea Inst. Inf. Electr. & Commun. Technol., vol. 10, no. 4, pp. 288-294, Oct. 2017. (https://doi.org/10.17661/jkiiect.2017.10.4.288)

X. Liu, Z. Deng, and Y. Yang, “Recent progress in semantic image segmentation,” Artificial Intell. Rev., vol. 52, pp. 1089-1106, Aug. 2019. (https://doi.org/10.1007/s10462-018-9641-3)

https://humansintheloop.org/resources/datasets/semantic-segmentation-dataset-2/

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정진원

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 공학 일반

논문수 3 이용수 192

신요안

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 0.5% 공학 > 전기전자공학 > 전기공학

논문수 394 이용수 24,339

이 논문과 함께 이용한 논문

딥러닝을 활용한 반려견 탐지 및 행동 분류

문효원 , 정희철 한국통신학회 학술대회논문집 2023 .02

선명한 이미지를 위한 딥러닝 기반의 잡음 제거 알고리즘 제안

박재한 , 신수용 한국통신학회 학술대회논문집 2023 .02

딥러닝 기반 식품 이미지 인식을 통한 당뇨병 환자 대상 식품 영양정보 제공 시스템

문혜림 , 문다연 , 정연주 외 2명 한국정보과학회 학술발표논문집 2022 .12

Image Signal Processing을 고려한 딥러닝 기반 저조도 이미지 처리

권민수 한국컴퓨터정보학회논문지 2023 .02

딥러닝 기반 인생네컷 동영상 품질 및 서비스 향상

김동현 , 김은지 , 서상완 외 2명 한국컴퓨터정보학회 학술발표논문집 2023 .01

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (6)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)