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
- 2021.7
- 수록면
- 767 - 780 (14page)
- DOI
- 10.7465/jkdi.2021.32.4.767
이용수
초록· 키워드
오류제보하기
이미지 분류는 기계학습에서 가장 활발하게 연구되고 있는 주제 중 하나이다. 이미지 데이터는 일반적으로 2차원 혹은 3차원 행렬 구조를 가지고 있으며, 지지벡터기계 등 전통적인 분류 기법을 적용하기 위해 벡터화를 시행하게 된다. 하지만 벡터화는 이미지 데이터가 제공하는 구조적 정보를 무시할 수 있다. 구조적 정보를 이용하는 합성곱 신경망은 이러한 단점을 보완하기 위해 도입되었으나, 합성곱 신경망을 포함하는 신경망은 일반적으로 많은 데이터를 요구한다. 반면 지지벡터기계는 적은 수의 표본에서도 상대적으로 안정적인 분류 성능을 보일 뿐만 아니라 지지행렬기계 및 커널 지지행렬기계로 확장됨으로써 이미지 데이터의 구조적 정보도 반영할 수 있게 되었다. 본 논문에서는 표본의 개수가 상대적으로 적은 이미지 데이터에 대하여 비선형 분류 방법인 지지벡터기계, 커널 지지행렬기계, 그리고 합성곱 신경망의 예측 성능을 비교하고 선형 분류 방법이지만 이미지 데이터의 구조적 정보를 반영하는 지지행렬기계도 함께 비교한다.
목차
요약
1. 서론
2. 본론
3. 데이터 분석
4. 결론
References
Abstract
참고문헌 (5)
참고문헌 신청
최호식 / 2013 / 빅 데이터 분석을 위한 지지벡터기계 / 한국데이터정보과학회지 24(5):989~998
김민종 / 2020 / Deformable convolutional network를 기반으로 한 Mask R-CNN / 한국데이터정보과학회지 31(6):993~1008
김예슬 / 2018 / 작물분류에서 기계학습 및 딥러닝 알고리즘의 분류 성능 평가: 하이퍼파라미터와 훈련자료 크기의 영향 분석 / 대한원격탐사학회지 34(5):811~827
이원석 / 2020 / 신경망의 시계열 특징 추출 기능과 개선된 해석 방안을 활용한 반도체 수율 예측 모델 / 한국데이터정보과학회지 31(5):691~720
박범진 / 2018 / 이미지 데이터에 대한 분류 방법의 비교 연구 / 한국데이터정보과학회지 29(1):267~276
김민종 / 2020 / Deformable convolutional network를 기반으로 한 Mask R-CNN / 한국데이터정보과학회지 31(6):993~1008
김예슬 / 2018 / 작물분류에서 기계학습 및 딥러닝 알고리즘의 분류 성능 평가: 하이퍼파라미터와 훈련자료 크기의 영향 분석 / 대한원격탐사학회지 34(5):811~827
이원석 / 2020 / 신경망의 시계열 특징 추출 기능과 개선된 해석 방안을 활용한 반도체 수율 예측 모델 / 한국데이터정보과학회지 31(5):691~720
박범진 / 2018 / 이미지 데이터에 대한 분류 방법의 비교 연구 / 한국데이터정보과학회지 29(1):267~276
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-041-001931265