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
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2021 한국컴퓨터종합학술대회 논문집
발행연도
2021.6
수록면
567 - 569 (3page)

이용수

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

초록· 키워드

오류제보하기
본 논문은 신경망이 시각적으로 유사한 객체를 더욱 강건하게 분류할 수 있도록 클래스별 규제 엔트로피를 채택한 새로운 손실 함수를 제안한다. 이러한 객체는 종종 신경망 모델의 예측 신뢰도를 저하시킨다. 비록 교차 엔트로피 (Cross Entropy)로 학습된 모델은 일반적으로 잘 동작하지만, 교차 엔트로피는 시각적으로 유사한 서로 다른 클래스를 분류하는데 있어 불충분하다. 이는 교차 엔트로피는 오직 Ground Truth (GT) 클래스의 예측 확률만을 이용하고, 그 외의 네거티브 클래스의 예측 확률을 모델의 학습을 위해 유의미하게 ... 전체 초록 보기

목차

등록된 정보가 없습니다.

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001871867