DC Field | Value | Language |
---|---|---|
dc.contributor.author | 신수진 | ko |
dc.contributor.author | 박준건 | ko |
dc.contributor.author | 김윤영 | ko |
dc.contributor.author | 장준호 | ko |
dc.contributor.author | 문일철 | ko |
dc.date.accessioned | 2020-03-30T00:20:16Z | - |
dc.date.available | 2020-03-30T00:20:16Z | - |
dc.date.created | 2020-03-11 | - |
dc.date.issued | 2017-11-04 | - |
dc.identifier.citation | 2017년 대한산업공학회 추계학술대회 및 정기총회, pp.1 - 5 | - |
dc.identifier.uri | http://hdl.handle.net/10203/273729 | - |
dc.description.abstract | 객체 탐지는 많은 인공지능 연구자들의 이목을 집중시키는 컴퓨터 비전 응용 기술이다. 로봇, 자율 주행, 검색 시스템 등의 영역에서 활용될 수 있는 주요한 기술로서, 주어진 이미지 데이터에서 훈련 대상이 된 객체를 탐지하는 기술이다. 최근 딥 러닝 기반 모델의 등장으로 객체 탐지에 특화된 다양한 모델들이 제안되었고, 그 중 우리는 Faster R-CNN이라는 모델을 분석 대상으로 선정하였다. Faster R-CNN은 기존의 R-CNN이라고 하는 초기 모델을 가속화하고 외부 툴에의 의존성을 제거하여 개량된 최신 모델이다. 본 논문에서는 Faster R-CNN의 중심 convolution neural network로서 사용할 수 있는 AlexNet과 ResNet을 이용해 훈련한 결과를 비교 분석하고, 뿐만 아니라 훈련에 미치는 다양한 요인들, 예컨대 네트워크 구조 및 크기 등에 관한 이슈에 대해 논의하고자 한다. | - |
dc.publisher | 대한산업공학회 | - |
dc.title | Faster R-CNN의 중심 Convolution Neural Network 모델이 훈련 및 추론에 미치는 영향에 대한 분석 | - |
dc.type | Conference | - |
dc.type.rims | CONF | - |
dc.citation.beginningpage | 1 | - |
dc.citation.endingpage | 5 | - |
dc.citation.publicationname | 2017년 대한산업공학회 추계학술대회 및 정기총회 | - |
dc.identifier.conferencecountry | KO | - |
dc.contributor.localauthor | 문일철 | - |
dc.contributor.nonIdAuthor | 신수진 | - |
dc.contributor.nonIdAuthor | 박준건 | - |
dc.contributor.nonIdAuthor | 김윤영 | - |
dc.contributor.nonIdAuthor | 장준호 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.