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
- 1,289 - 1,293 (5page)
이용수
초록· 키워드
오류제보하기
본 연구는 시각장애인의 보행 안전을 위한 Few-shot Learning과 Grounding DINO 통합한 YOLO 최적화 프레임워크를 제안한다. 제안된 프레임워크는 제한된 데이터셋에서도 효과적인 객체 탐지 성능을 달성하며, 기존 YOLO 모델의 대규모 레이블링 데이터셋 요구 문제를 해결한다. 실험 결과, 제안된 방법은 기존 YOLO 모델과 유사한 성능을 유지하면서 필요한 레이블 데이터를 크게 줄였고, 다양한 환경 조건에서도 안정적인 성능을 보였다. 본 연구는 시각장애인 보행 안전 향상뿐만 아니라 소규모 데이터셋 환경에서의 객체 탐지 기술 발전에도 기여할 것이다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. Few-shot Learning과 Vision-Language 모델의 통합적 접근을 통한 YOLO 최적화 프레임워크
IV. 실험
V. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0