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
학술대회자료
저자정보
이한음 (인하대학교) 허청환 (인하대학교) 김현석 (인하대학교) 황현택 (인하대학교) 강상길 (인하대학교)
저널정보
한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2021년도 하계종합학술대회 및 대학생논문경진대회
발행연도
2021.6
수록면
116 - 120 (5page)

이용수

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

초록· 키워드

오류제보하기
물체 감지는 컴퓨터 비전 분야에서 활발한 연구 분야로 남아 있으며 물체 감지를 해결하기 위한 심층 컨볼루션 신경망 설계를 통해 이 분야에서 상당한 발전과 성공을 거두었다. 이러한 성공에도 불구하고 임베디드 시나리오에서 작은 물체 감지를 위한 네트워크 개발에 가장 큰 장애물 중 하나는 작은 물체에 대한 특징 추출의 어려움이다. 이 작업에서는 작은 물체 감지 작업을 위해 고도로 세분화 된 특징을 추출하는 심층 컨볼루션 신경망 인 PCA 기반 YOLO를 제안한다. 일반적으로 이미지 특징 추출을 위한 컨볼루션 레이어는 이미지의 공통된 특징을 추출하고 정보를 완전 연결 계층으로 전달한다. 여기서 작은 물체에 대한 대부분의 정보가 손실되어 분류가 매우 어렵기 때문에 입력 데이터에 대한 정보를 증폭하여 정보 손실 문제를 해결하기 위해 PCA를 이 프로세스에 통합하여 PCA 기반 YOLO 네트워크를 구축한다. Jetson AGX Xavier 임베디드 모듈에 해당 네트워크를 구축하고, 실험 섹션에서는 총 9가지, 4783개의 드론 이미지를 사용하여 다양한 실험을 수행하여 방법론을 보여준다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. PCA기반 주성분 분석 YOLO 네트워크
Ⅲ. 실험
Ⅳ. 결론
참고문헌

참고문헌 (0)

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

UCI(KEPA) : I410-ECN-0101-2021-004-001772583