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
- 오흥선
- 발행연도
- 2022
- 저작권
- 한국기술교육대학교 논문은 저작권에 의해 보호받습니다.
이용수58
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
항공 이미지 객체 탐지는 국가 안보, 재해재난 감시, 기상 관측, 지도 제작 등 다양한 분야에 활용하기 위해 지속적으로 연구되고 있는 분야이다. 항공 이미지는 위성에서 촬영하여 객체가 다양한 각도로 회전되고 밀집되는 여러가지 문제점이 존재한다. 항공 이미지는 학습 시많은 연산 비용과 메모리를 요구하고, 데이터 구축 비용이 매우 비싸며, 일반 이미지와는 다르게 매우 고해상도이다. 또한 클래스 간 데이터 불균형이 심각하고, 데이터 자체의 노이즈가 존재한다. 항공 이미지 객체 탐지는 이러한 복잡하고 많은 어려움이 존재하기 때문에 최신 딥러닝 기반 객체 탐지 모델에서도 높은 성능을 기대하기 힘들다. 본 논문에서는 이러한 문제를 극복하기 위해 서로 다른 장점을 갖는 두 가지 모델을 결합하여 성능을 개선할 수 있는 딥 앙상블 방법, 학습 데이터의 객체 수분포에 따른 class-dependent thresholding 기법, 항공 이미지에 특화된 데이터 증강 기법, 불확실성 기반의 max-margin 학습 방법을 제안한다.
제안하는 방법들을 적용한 객체 탐지 모델은 2020 년도 위성 이미지 객체 검출 대회와 아리랑 위성영상 AI 객체 검출 대회에서 우승함으로써 우수성을 증명하였다.
제안하는 방법들을 적용한 객체 탐지 모델은 2020 년도 위성 이미지 객체 검출 대회와 아리랑 위성영상 AI 객체 검출 대회에서 우승함으로써 우수성을 증명하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0