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
윤수현 (성균관대학교) 이지형 (성균관대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제32권 제4호
발행연도
2022.8
수록면
269 - 274 (6page)
DOI
10.5391/JKIIS.2022.32.4.269

이용수

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

초록· 키워드

오류제보하기
의미론적 이미지 분할 모델 학습을 위한 픽셀 단위의 라벨을 수집하는 것은 클래스 단위의 라벨링보다 더 어렵고, 많은 시간이 필요하다. 현재 라벨링 비용을 줄이기 위해 클래스 라벨과 같이 정보가 적은 라벨을 사용하여 이미지 분할 모델을 학습하는 약지도 기반 학습 방법들이 연구되고 있지만, 클래스 단위 라벨링도 상당한 자원을 필요로 한다. 따라서 본 연구는 다수의 클래스 라벨이 없는 이미지 데이터를 약지도 의미론적 이미지 분할 학습에 추가로 활용하는 방법을 제안한다. 제안하는 아이디어의 핵심은 이미지 분류 모델의 예측 오류를 줄여 이미지 분할 모델이 라벨이 없는 데이터의 위치 정보를 효과적으로 학습하고자 한다. 보조 이미지 분류 모델을 사용한 의사 라벨링 기법으로 이미지 분할 모델의 성능을 높인다. 실험 결과 클래스가 없는 데이터를 사용할 경우 PASCAL VOC 2012 데이터에 대해 기존 모델 대비 높은 정확도와 안정성을 가진다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 기법
4. 실험 환경 및 결과
5. 결론 및 향후 연구
References

참고문헌 (13)

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-0101-2022-003-001624818