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
- 학술저널
- 저자정보
- 발행연도
- 2021.3
- 수록면
- 184 - 196 (13page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 객체 검출 알고리즘을 위한 통계치 적응적인 선형 회귀 기반 객체 크기 예측 방법을 제안한다. 기존에 제안된 딥 러닝 기반 객체 검출 알고리즘 중 YOLOv2 및 YOLOv3은 객체의 크기를 예측하기 위하여 네트워크의 마지막 계층에 통계치 적응적인 지수 회귀 모델을 사용한다. 하지만, 지수 회귀 모델은 역전파 과정에서 지수 함수의 특성상 매우 큰 미분값을 네트워크의 파라미터로 전파시킬 수 있는 문제점이 있다. 따라서 본 논문에서는 미분 값의 발산 문제를 해결하기 위하여 객체 크기 예측을 위한 통계치 적응적인 선형 회귀 모델을 제안한다. 제안하는 통계치 적응적인 선형 회귀 모델은 딥러닝 네트워크의 마지막 계층에 사용되며, 학습 데이터셋에 존재하는 객체들의 크기에 대한 통계치를 이용하여 객체의 크기를 예측한다. 제안하는 방법의 성능 평가를 위하여 YOLOv3 tiny를 기반으로 제안하는 방법을 적용하여 재설계한 네트워크의 검출 성능과 YOLOv3 tiny의 검출 성능을 비교하였으며, 성능 비교를 위한 데이터셋으로는 UFPR-ALPR 데이터셋을 사용하였다. 실험을 통해 제안하는 방법의 우수성을 검증하였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 기존의 객체 검출 알고리즘
Ⅲ. 통계치 적응적인 선형 회귀 모델 기반 객체 크기 예측 방법
Ⅳ. 실험 결과
Ⅴ. 결론
참고문헌 (References)
참고문헌 (30)
참고문헌 신청
Masi, Y. Wu, T. Hassner, and P. Natarajan, “Deep Face Recognition: A Survey,” in SIBGRAPI Conference on Graphics, Patterns and Images, Parana, 2018.
E. Arnold, O. Y. Al-Jarrah, M. Dianati, S. Fallah, D. Oxtoby, and A. Mouzakitis, “A Survey on 3D Object Detection Methods for Autonomous Driving Applications,” IEEE Transactions on Intelligent Transportation Systems, vol. 20, no. 10, pp. 3782-3795, 2019.
OpenALPR, [Online]. Available: https://www.openalpr.com/
W. Xiongwei, D. Sahoo, and S. C. H. Hoi, “Recent advances in deep learning for object detection,” Neurocomputing, vol. 396, pp. 39-64, 2020.
M. Everingham, L. V. Gool, C. K. I. Williams, J. M. Winn, and A. Zisserman, “The PASCAL Visual Object Classes (VOC) Challenge,” International Journal of Computer Vision, vol. 88, no. 2, pp. 303-338, 2010.
E. Arnold, O. Y. Al-Jarrah, M. Dianati, S. Fallah, D. Oxtoby, and A. Mouzakitis, “A Survey on 3D Object Detection Methods for Autonomous Driving Applications,” IEEE Transactions on Intelligent Transportation Systems, vol. 20, no. 10, pp. 3782-3795, 2019.
OpenALPR, [Online]. Available: https://www.openalpr.com/
W. Xiongwei, D. Sahoo, and S. C. H. Hoi, “Recent advances in deep learning for object detection,” Neurocomputing, vol. 396, pp. 39-64, 2020.
M. Everingham, L. V. Gool, C. K. I. Williams, J. M. Winn, and A. Zisserman, “The PASCAL Visual Object Classes (VOC) Challenge,” International Journal of Computer Vision, vol. 88, no. 2, pp. 303-338, 2010.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
실시간 객체 검출 성능 평가에 대한 연구
Proceedings of KIIT Conference
2023 .11
-
효율적인 작은 객체 검출을 위한 균형적인 성능의 YOLOv3-tiny
한국방송미디어공학회 학술발표대회 논문집
2018 .11
-
YOLOv5 모델에 따른 결과 분석
한국정밀공학회 학술발표대회 논문집
2021 .11
-
YOLOv8 기반 해양 환경에서의 사람 객체 탐지 모델 성능 향상 연구
한국정보과학회 학술발표논문집
2024 .06
-
방범 드론을 위한 객체 크기 적응 앵커에 기반한 개선된 YOLOv5
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
딥러닝 기반의 가금류 객체 탐지 알고리즘
디지털콘텐츠학회논문지
2022 .07
-
[우수논문] 군 위성 감시를 위한 YOLOv7기반 회전 객체 검출 모델
한국정보과학회 학술발표논문집
2022 .12
-
YOLOv11: Revolutionizing Object Detection with Focus on Tiny Objects in Complex Settings
한국통신학회 학술대회논문집
2024 .11
-
YOLOv10과 기존 객체 탐지 모델 성능 비교 분석
한국컴퓨터정보학회논문지
2024 .08
-
Benchmarking YOLOv8, YOLOv9, and YOLOv10 for Detecting Tiny and Small Objects in Complex Environments
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
YOLOv5의 모델별 비교 분석을 통한 자율주행 차량 객체 인식 알고리즘 선정
한국통신학회 학술대회논문집
2022 .06
-
SSD의 객체 검출 층을 이용한 YOLOv3의 성능 향상
한국정보통신학회논문지
2024 .08
-
항만 모니터링 시스템을 위한 딥러닝 기반 객체 검출 알고리즘 연구
전자공학회논문지
2022 .02
-
YOLOv9 객체 인식 모델을 활용한 군용 드론 감지 연구
Proceedings of KIIT Conference
2024 .05
-
임베디드 작업자 검출 시스템을 위한 YOLOv3-tiny 기반 향상된 검출 알고리즘
대한전자공학회 학술대회
2020 .08
-
YOLOv8 기반 3D 객체 인식 및 자세 추정 기술개발
한국정밀공학회 학술발표대회 논문집
2024 .11
-
객체 검출 알고리즘을 이용한 실시간 결함 검출 시스템
한국정밀공학회 학술발표대회 논문집
2022 .05
-
YOLOv5을 이용한 비전기반의 객체 탐지 실험
한국기계가공학회 춘추계학술대회 논문집
2022 .04
-
5G 환경에서 객체 검출 서비스 모델에 관한 연구
한국통신학회 학술대회논문집
2020 .02
-
농업환경에서 3D 객체 검출을 위한 실시간 객체 검출 모델 성능 평가
대한전기학회 학술대회 논문집
2024 .07
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-567-001644715