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
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 1,090 - 1,093 (4page)
이용수
초록· 키워드
오류제보하기
친족 관계 예측은 얼굴 이미지 간의 유사성을 분석하여 혈연 관계를 판단하는 작업이다. 기존의 CNN 모델은 단순히 이진 분류를 통해 친족 관계를 예측하여 얼굴 특징 벡터 간의 거리 학습에 한계가 있었다. 본 연구에서는 이러한 한계를 극복하기 위해 트리플렛 손실 함수를 CNN에 결합한 새로운 모델을 제안한다. 제안된 모델은 부모-자녀 이미지 쌍의 거리는 최소화하고 부모-기타 인물 이미지 쌍의 거리는 최대화하도록 학습된다. ResNet-50, DenseNet-121, EfficientNet-B7 세 가지 CNN 구조와의 비교 실험 결과, EfficientNet-B7 기반의 제안 모델이 가장 우수한 성능을 보였으며, 기존 모델 대비 F1 Score가 4.28% 향상되었다. 이는 트리플렛 손실 함수의 적용이 친족 관계의 특징을 더 효과적으로 학습할 수 있음을 보여준다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 친족 예측 분류를 위한 딥러닝 모델 제안
Ⅳ. 실험 설계
Ⅴ. 실험 결과
Ⅵ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0