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
오세운 (KwangWoon University) 이창현 (KwangWoon University) 김선목 (KwangWoon University) 임덕진 (Geumpoong) 이기백 (KwangWoon University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제1호
발행연도
2021.1
수록면
168 - 175 (8page)
DOI
10.5370/KIEE.2021.70.1.168

이용수

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

이 논문의 연구 히스토리 (2)

2021

딥 러닝을 사용한 새로운 다중 객체 구별 방법
오세운 전기공학과 2021.01 학위논문
딥 러닝을 이용한 새로운 다중 객체 구별 방법
오세운 ,  이창현 ,  김선목 외 2명 전기학회논문지 2021.01 학술저널

초록· 키워드

오류제보하기
In this paper, we propose a novel multi-object distinction method with class-agnostic object detection and class retreival. Multi-object distinction is usually divided into the processes of detecting and classifying an object. Since it is common for industrial applications to add new kinds of objects to be recognized, it is inefficient to re-train the system every time the new object is added. Thus, the propose method employs two deep learning models to solve this problem. 1) Class agnostic object detection model to predict the bounding boxes regardless of the classes of objects and 2) Class retrieval model to determine the classes of the objects. The experimental results show that the proposed method successfully detects and classifies the both experienced and inexperienced objects: the final classification accuracy for 15 learned objects was 98.0%, and for the other 30 new objects that had not been learned. the accuracy was 87.7% on average.
#Class-Agnostic Object Detection #Image Retrieval #Deep Learning

목차

Abstract
1. 서론
2. 본론
3. 실험 및 결과
4. 결론
References

참고문헌 (18)

참고문헌 신청
Jonschkowski, Rico / 2016 / Probabilistic multi-class segmentation for the amazon picking challenge / 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) google schola Matsumoto, Eiichi / 2017 / End-to-end learning of object grasp poses in the Amazon Robotics Challenge / Warehouse Picking Automation Workshop (WPAW), ICRA google schola Morrison, Douglas / 2018 / Cartman: The low-cost cartesian manipulator that won the amazon robotics challenge / 2018IEEE International Conference on Robotics and Automation (ICRA) google schola Schwarz, Max / 2017 / NimbRo Picking: Versatile part handling for warehouse automation / 2017 IEEE International Conference on Robotics and Automation (ICRA) google schola Wong, Jay M. / 2017 / Segicp: Integrated deep semantic segmentation and pose estimation / 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) google schola

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

자율주행을 위한 이미지 시퀀스 기반의 3차원 객체 검출 네트워크
심상민 ,  금동석 한국자동차공학회 추계학술대회 및 전시회 2021 .11
드론 영상분석에서 객체 탐지를 위한 거리기반 앵커박스 선택 및 도자각 보정을 통한 객체 위치인식
강지헌 제어로봇시스템학회 논문지 2021 .10
트램 승객 사고방지를 위한 모니터링 시스템
최경택 ,  곽재호 ,  최경준 한국철도학회 논문집 2021 .03
딥러닝 기반 토마토 잎 병충해 분류 및 시각화를 위한 연구
채종욱 ,  신영학 한국지능시스템학회 논문지 2022 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-560-001427393