데이터증강 모델 조합을 활용한 적성 전차에 대한 객체탐지 성능 향상 연구

황교성; 마정목

doi:10.7315/CDE.2022.148

추천

검색

질문

자료유형: 학술저널

저자정보: 황교성 (국방대학교) 마정목 (국방대학교)

저널정보: (사)한국CDE학회 한국CDE학회 논문집 한국CDE학회 논문집 제27권 제2호

발행연도: 2022.6

수록면: 148 - 159 (12page)

DOI: 10.7315/CDE.2022.148

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

With the development of artificial intelligence technology, it is continuously being applied in the defense field. In particular, deep learning-based object detection technology is treated as a groundbreaking technology in the field of defense surveillance and reconnaissance. However, there are limitations to use deep learning-based object detection technology because it is hard to get enough image data of enemy weapon systems. To overcome this challenge, this paper studies the improvement of object detection performance for enemy tanks using the combination of data augmentation models. Experiment results show that the combination of selected data augmentation models improves object detection performance(especially SinGAN model is effective). The result indicates that the data augmentation in the field of defense surveillance and reconnaissance needs to be studied since the result of combining all data augmentation models would not necessarily be good.

#Data Augmentation #Object Detection #Mosaic Augmentation #SinGAN #RandAugment YOLOv5

참고문헌 (22)

참고문헌 신청

Oh, S.H., Lee, J.R., Choi, B.S., Lim, Y.H., Yoon, J.H., Jin, H., Kim, S.E., Kim, D.B., Kim, G.E., Yang, H.T. and Lee, J.Y., 2020, Strategies for Improving STI Policy Towards a Leading Country in the Application of AI Technology, Policy Research, pp.1-405.

Yoon, J.H., 2021, Issues and Prospects of AI Utilization in the Defense Field, STEPI Insight, pp.36-37.

Zhengxia, Z., Zhenwei, S., Yuhong, G. and Jieping, Y., 2019, Object Detection in 20 Years : A Survey, arXiv preprint arXiv:1905.05055. Cho, S.Y., 2020, How to Improve the Accuracy of Deep Learning Networks Through Data Enhancement, Ph.D. Thesis, Graduate School of Kwangwoon University.

Shorten, C. and Khoshgoftaar, T.M., 2019, A Survey on Image Data Augmentation for Deep Learning, Journal of Big Data, 6(1), pp.1-48.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

황교성

소속기관 국방대학교

주요연구분야 사회과학 > 군사학 공학 > 기계공학 > 기계공학 일반

논문수 2 이용수 1,070

마정목

소속기관 국방대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 10% 공학 > 공학 일반 TOP 1%

논문수 47 이용수 7,436

이 논문과 함께 이용한 논문

대규모 언어모델을 활용한 데이터셋 생성을 위한 프롬프트 디자인 및 생성 방법론 분석

김강민 , 채동규 한국정보과학회 학술발표논문집 2023 .06

프롬프트 기반 자연어 생성 모델을 이용한 모델 간 상호 지식 증류 및 데이터 생성 파이프라인

백지수 , 방나모 , 연희연 외 2명 한국정보과학회 학술발표논문집 2023 .06

데이터 증강을 이용한 공중촬영 이미지 내 전차탐지 성능 향상 연구

최수환 , 마정목 한국산학기술학회 논문지 2023 .05

SinGAN을 활용한 군사장애물 데이터 부족 문제 해결 및 실증 연구

황재민 , 마정목 한국산학기술학회 논문지 2023 .01

로봇 디팔레타이징 산업용 인공지능 물체 검출 학습의 데이터 비용 절감을 위한 GAN 기반 데이터 증강 기법

조용우 , 김현우 제어로봇시스템학회 논문지 2022 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-530-001346515

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (22)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)