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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이영우 (부산대학교) 송민주 (엔테크서비스) 채흥석 (부산대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.6
발행연도
2021.6
수록면
657 - 667 (11page)
DOI
10.5626/JOK.2021.48.6.657

이용수

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

초록· 키워드

오류제보하기
이미지 분류 딥러닝 모델은 이미지가 변형되었을 때 이미지의 유형을 잘못 분류하는 문제가 발생한다. 기존 정확도 평가 방법은 이미지가 변형되어 잠재적으로 잘못 분류될 수 있는 이미지들을 고려하지 않아 이미지의 유형을 정확하게 분류했다고 하더라도 평가 결과를 신뢰하기 어렵다. 본 연구는 잠재적으로 잘못 분류될 수 있는 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법을 제안하였다. 모델과 데이터 셋 별로 잠재적 오분류 데이터를 식별하기 위한 경계 비용을 측정하고, 경계 비용을 바탕으로 잠재적 오분류 데이터를 식별하였다. 그리고 잠재적 오분류 데이터를 고려한 정확도를 측정하였다. 잠재적 오분류 데이터 식별 결과, 0.1~4.2%의 데이터가 잠재적 오분류 데이터로 식별되었으며, 이 중 18~60%가 실제로 잘못 분류되었다. 정확도 평가 결과, 정확도가 높은 모델은 이미지 변형에 대해 강건하며, 정확도가 낮은 모델일수록 이미지 변형에 대해 강건하지 못한 것으로 판단되었다.

목차

요약
Abstract
1. 서론
2. 잠재적 오분류 데이터를 고려한 모델 정확도 평가
3. 이미지 분류 딥러닝 모델 정확도 평가 방법
4. 실험 설계
5. 이미지 분류 딥러닝 모델 정확도 평가 결과
6. 결론
References

참고문헌 (22)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0