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
- 학위논문
- 저자정보
- 지도교수
- 석경하
- 발행연도
- 2018
- 저작권
- 인제대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 심층신경망을 이용하여 최근 감귤농업에서 주요해충으로 분류되는 볼록총채벌레 (Scirtothrips dorsalis Hood)를 탐색하고자 한다. 분석자료는 황색끈끈이트랩 이미지 자료 (250150mm, 54723648픽셀)이며 사용한 심층신경망 모형은 합성곱신경망 (convolutional neural network, CNN)을 기반으로 한 탐색 기법인 Faster R-CNN (faster regions with CNN)이다. Faster R-CNN모형은 탐색하는 객체의 수가 소수인 경우에는 자료의 불균형으로 인해 모형의 성능이 불안정하게 되는 문제를 발견하였다. 이를 해결하기 위하여 후보풀링 (region of interest pooling)층의 최적화된 모수를 찾는 한편 사전에 학습된 가중치를 초기값으로 하는 모형으로 학습하였다. 실험결과 제안된 모형의 AUC (area under curve)가 0.91로 좋은 결과를 얻을 수 있었다. 제안하는 모형으로 볼록총채벌레의 생태를 파악하는 한편 보다 정밀한 방제가 이뤄질 수 있을 것으로 기대된다.
목차
목 차국문초록 ⅤAbstract ⅥⅠ. 서론 1Ⅱ. 사전연구 32.1. ResNet 32.2. Faster R-CNN 42.3. 미소객체 탐색 42.2. 대립생성망 5Ⅲ. 볼록총채벌레 자료 63.1. 자료 설명 63.2. 자료 전처리 8Ⅳ. 볼록총채벌레 모형 104.1. 실험환경 104.2. 평가방법 104.3. 볼록총채벌레 분류 114.4. 탐색모형 최적화 134.4.1. 앵커 134.4.2. 초기 가중치 144.4.3. 후보영역의 수와 최대박스 164.4.4. 배경선택 174.4.5. 데이터 키우기 174.5. 결과 해석 194.5.1. 특징도 해석 194.5.2. 대표적인 결과 204.5.3. 선택적 탐색결과 224.5.4. 탐색소요시간 24Ⅴ. 결언 및 향후과제 26참고문헌 27
최근 본 자료
댓글(0)
0