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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
황두환 (육군3사관학교 국방시스템과학과)
저널정보
국제차세대융합기술학회 차세대융합기술학회논문지 차세대융합기술학회논문지 제6권 제9호
발행연도
2022.9
수록면
1,562 - 1,570 (9page)
DOI
https://doi.org/10.33097/JNCTA.2022.06.09.1562

이용수

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

초록· 키워드

오류제보하기
딥러닝의 여러 분야 중 CNN(Convolutional Neural Network)을 이용하여 이미지 분류를 진행함에 있어 모델을 훈련시키는데 소요되는 시간을 단축시킴에 있다. 일반적인 CNN 모델의 경우는 입력된 모든 데이터들이 모델을 구성하는 여러 층을 모두 통과하여 결과값이 도출되는 End-to-End 방식이다. 그러나 본 논문에서 제안하 는 딥러닝 모델(SpeedyCNet : Speedy Classification Network)의 아키텍처는 컴퓨터가 쉽게 특징을 추출하여 빠 르게 분류할 수 있는 데이터와 그렇지 못한 데이터가 존재할 것이라는 가설아래에서 구축되었다. SpeedyCNet는 총 4개의 학습기로 구성되어 있으며 학습데이터들이 각 학습기를 순차적으로 통과하며 사전 분류가 이루어지고 분류가 종료된 데이터는 더 이상 학습에 사용되지 않아 컴퓨터가 수행해야 하는 계산량이 감소하는 구조를 가지 고 있다. SpeedyCNet의 성능을 확인하기 위하여 MNIST와 CIFAR-10데이터를 활용하였으며 비교군으로는 VGG 1 6 모델을 이용, 훈련결과를 비교하였다. 훈련속도의 경우 MNIST데이터에 대해서는 VGG 16의 훈련속도보 다 27배정도 빨랐으며, CIFAR-10 데이터에 대해서는 3배 정도의 빠름을 확인할 수 있었다. 뿐만 아니라 정확도 의 측면에서는 VGG 16이 보여주는 정확도와 유사하거나 일정부분 향상되었음을 확인하였다.
#딥러닝 # CNN모델 # 훈련속도 향상 # 이미지 분류 # 모델 아키텍처 #Deep learning # CNN Model # Acceleration of training time # Classification # Architecture

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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