DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 명현 | - |
dc.contributor.advisor | Myung, Hyun | - |
dc.contributor.author | 이우주 | - |
dc.date.accessioned | 2023-06-22T19:31:39Z | - |
dc.date.available | 2023-06-22T19:31:39Z | - |
dc.date.issued | 2021 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=1021029&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/308262 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 로봇공학학제전공, 2021.2,[iv, 30 p. :] | - |
dc.description.abstract | 본 연구는 비정형 환경에 강인한 deep neural network 구조를 다룬다. Deep neural network는 학습 데이터와 유사한 분포를 가지고 있는 테스트 데이터에서는 사람보다 높은 인식 성능을 보여주지만, 비정형 환경에서는 인식 성능이 크게 떨어진다. 예를 들면, deep neural network은 학습 이미지와 유사한 분포를 가지고 있는 테스트 이미지는 잘 인식하지만, 같은 이미지를 눈이 오거나, 노이즈가 포함된 환경에서는 잘 인식하지 못한다. 그와 달리, 사람은 시각 인지 시스템에 surround modulation이라는 기능이 있어서 비정형 환경에서도 물체를 강인하게 인식할 수 있다. 본 연구에서는 사람의 surround modulation 기능을 end-to-end 학습 기반으로 deep neural network에 적용한 Trainable Surround Modulation을 제안한다. Trainable Surround Modulation은 학습 데이터에 최적화해서 학습하고 surround modulation 기능이 있어서 비정형화되고 변화하는 환경에서 물체를 잘 인식할 수 있다. 학습 데이터로 ImageNet을 사용하고 테스트 데이터로 비정형 환경을 반영하는 ImageNet-C를 사용해서 deep neural network의 강인함을 평가하였다. 실험 결과, 제안한 Trainable Surround Modulation을 사용해서 deep neural network가 비정형 환경에서 강인하게 이미지를 인식하는 것을 확인했다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | unstructured environment▼arobustness▼asurround modulation | - |
dc.subject | 비정형▼a강인함▼a주변 조절 | - |
dc.title | 이미지를 강인하게 인식하는 중심주변 조절 기반 뉴럴 네트워크 | - |
dc.title.alternative | Surround modulation inspired neural network for robust image classification | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :로봇공학학제전공, | - |
dc.contributor.alternativeauthor | Lee, Wooju | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.