메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Vani Natalia Kuntjono (인하대학교) Seunghyun Ko (인하대학교) Yang Fang (인하대학교) Geunsik Jo (인하대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.45 No.8
발행연도
2018.8
수록면
786 - 791 (6page)
DOI
10.5626/JOK.2018.45.8.786

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
컨볼루션 뉴럴 네트워크의 발전으로 인해 객체 탐지, 이미지 세분화 및 객체 분류 분야에서도 100개 이상의 컨볼루션 레이어를 사용하는 Deep CNN을 사용하는 추세로 이어지고 있다. 그러나 Deep CNN을 사용하기 위해 많은 그래픽 메모리가 필요하며 제한된 자원이나 실시간 객체 탐지를 원하는 사람들에게는 이런 Deep CNN이 적합하지 않다. 본 논문에서는 배수 팽창된 컨볼루션과 특징합계 기반의 객체 탐지를 위한 새로운 백본 네트워크를 제안한다. 특징합계는 그래디언트를 쉽게 전달하고 컨볼빙으로 인해 발생하는 공간 정보의 손실을 최소화한다. 그리고 팽창된 컨볼루션을 사용함으로써 변수를 추가하지 않고도 개별 뉴런의 수용 영역을 넓힐 수 있다. 또한, Deep하지 않은 뉴럴 네트워크를 백본으로 사용함으로써 제한된 자원으로 이미지넷 데이터 세트에서 사전 교육을 하지 않더라도 제안하는 네트워크를 사용할 수 있다. Pascal VOC 및 MS COCO 데이터를 사용한 실험 결과 제안된 네트워크는 각각 71%와 38.2%의 정확도를 보였다.
#객체 검출 #백본 네트워크 #배수 팽창 된 컨볼루션 #특징합계 #object detection #backbone network #multiple dilated convolutions #feature summation

목차

요약
Abstract
1. Introduction
2. Related Work
3. Proposed Backbone Network
4. Experiment Result & Training Details
5. Conclusion
References

참고문헌 (18)

참고문헌 신청
F. Yu, V. Koltun, Multi-Scale Context Aggregation by Dilated Convolution, ICLR, 2016. F. Yu, V. Koltun, T. Funkhouser, Dilated Residual Networks, CVPR, 2017. G. Huang, Z. Liu, K.Q. Weinberger, L.V.D. Maten, Densely Connected Convolutional Networks, CVPR, 2017. J. Dai, Y. Li, K. He, J. Sun, R-FCN: Object Detection via Region-based Fully Convolutional Networks, NIPS, 2016. J. Redmon, S. Divvala, R. Girshick, A. Farhadi, You Only Look Once: Unified, Real-Time Object Detection, CVPR, 2016.

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

준지도학습 기법을 사용한 의미론적 영상 분할
최재훈 ,  김승현 ,  김창익 대한전자공학회 학술대회 2018 .06
An Analysis of Linear Argumentation Structure of Korean Debate Texts Using Sequential Modeling and Linguistic Features
이상아 ,  신효필 Journal of KIISE 2018 .12
Measuring Semantic Orientation of Words using Temporal Difference Learning
김영삼 ,  신효필 Journal of KIISE 2018 .12
Visual Scene Understanding with Contexts
신동협 ,  김인철 Journal of KIISE 2018 .12
API-call Constraint Checking Considering Alarms and ISRs for IoT Device Control Software
김동우 ,  최윤자 Journal of KIISE 2018 .12

최근 본 자료

전체보기

댓글(0)

0