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
질문

논문 기본 정보

자료유형
학술저널
저자정보
박인호 (한화시스템) 이현재 (한화시스템) 안우현 (한화시스템) 김국병 (한화시스템) 김영광 (한화시스템)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제8호(통권 제549호)
발행연도
2023.8
수록면
25 - 36 (12page)
DOI
10.5573/ieie.2023.60.8.25

이용수

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

초록· 키워드

오류제보하기
영상정합의 추세는 전통적 특징 추출 기법부터 딥러닝을 이용한 기법까지 지속적인 발전을 이루었다. 그 중, 딥러닝 기법은 네트워크의 형태에 따라 다양한 성능을 도출 가능하며, 적절한 백본 및 손실 함수를 선택할 시 영상 정합에서 상당한 이점이 있다. 본 논문에서는 CNN 네트워크 딥러닝 기반의 영상 정합 네트워크들이 모바일 기기에 적용하기 무거운 백본 네트워크를 사용하고 있다는 문제점을 고려하여 다양한 모바일용 백본을 정합 네트워크에 적용하였다. 또한, 이러한 모바일용 백본 및 기존 딥러닝 네트워크를 통해 각 모바일 백본을 적용한 네트워크와 기존 네트워크 간의 성능을 비교 분석하며 모바일에서의 CNN 기반 딥러닝 정합 네트워크의 한계점을 분석한다. 모바일용 백본을 적용한 정합 네트워크를 TFLite를 통해 적용하여 성능을 비교분석하며, 이러한 시도를 통해 빠른 속도와 낮은 용량을 요구하는 모바일용 영상 정합 네트워크를 연구자들이 쉽게 접근 및 분석할 수 있도록 도울 것이다.
#Image matching #Mobile device #Mobile backbone #CNN

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 모바일 백본 네트워크와 정합 네트워크
3. 실험
4. 결론
REFERENCES

참고문헌 (26)

참고문헌 신청
Pauline C. Ng, Steven Henikoff, "SIFT: predicting amino acid changes that affect protein function," Nucleic Acids Research, Volume 31, Issue 13, 1 July 2003, Pages 3812–3814, google schola Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, "Speeded-Up Robust Features (SURF)," Computer Vision and Image Understanding, Volume 110, Issue 3, Pages 346-359, June 2008 google schola E. Rublee, V. Rabaud, K. Konolige and G. Bradski, "ORB: An efficient alternative to SIFT or SURF," 2011 International Conference on Computer Vision, Barcelona, Spain, pp. 2564-2571, 2011 google schola DeTone, Daniel, Tomasz Malisiewicz, and Andrew Rabinovich. "Superpoint: Self-upervised interest point detection and description." Proceedings of the IEEE conference on computer vision and pattern recognition workshops, pp. 224-236, 2018. google schola Dusmanu, Mihai, et al. D2-net: A trainable cnn for joint description and detection of local features. Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. pp. 8092-8101. 2019. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝을 이용한 공간객체추출의 문제점 및 개선방안 도출 연구
이동국 ,  방대식 ,  이현직 한국측량학회 학술대회자료집 2019 .04
딥 러닝의 한계와 해결책
한보형 정보과학회지 2019 .02
인공지능(AI) 기술 도입을 위한 정책 및 적용사례와 한계점에 대한 연구
강지훈 ,  정민경 ,  박주영 외 2명 한국산학기술학회 논문지 2023 .09
논문지 논문목차 : 전자공학회 논문지 제 60권 8호 발행
편집부 전자공학회지 2023 .08
상륙작전 시 대규모 외상환자의 신속 분류를 위한 CNN 모델
박태진 ,  이건수 ,  이재준 외 2명 Journal of the KNST 2023 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-569-001945204