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
학술대회자료
저자정보
Yuanbo He (Cheongju University) Hyunjun Park (Cheongju University)
저널정보
한국정보통신학회 한국정보통신학회 종합학술대회 논문집 한국정보통신학회 2024년도 춘계종합학술대회 논문집 제28권 제1호
발행연도
2024.5
수록면
184 - 187 (4page)

이용수

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

초록· 키워드

오류제보하기
흑점은 태양 활동과 밀접한 관련이 있으며 태양 표면의 강한 자기장의 전형적인 징후이다. 예를 들어 대부분의 태양 플레어는 복잡한 흑점 그룹 위에서 분출된다. 흑점 그룹의 자기 분류를 연구하는 것은 태양 플레어를 예측하는 데 매우 중요하다. 본 논문에서는 흑점군 분류 문제를 해결하기 위해 흑점군 자기 분류 데이터세트를 생성하고, 딥러닝 표적 탐지 알고리즘인 CornerNet-Saccade 모델을 기반으로 한 CNSF(CornerNet-Saccade-Fast) 모델을 제안한다. 제안하는 모델의 CornerNet-Saccade의 바운딩 박스 예측 및 바운딩 박스 융합 단계(fusion stage)는 흑점군 자기 분류 데이터 세트의 탐지 정확도를 향상한다. 뿐만 아니라 백본 네트워크를 간소화하여 탐지 효율성도 향상한다. 실험 결과, CNSE는 흑점군 자기 분류 데이터 세트에서 CornerNet-Saccade보다 더 나은 성능을 나타내는 것을 확인하였다.

목차

요약
ABSTRACT
Ⅰ. Overview
Ⅱ. Data
Ⅲ. Method
Ⅳ. Experimental Results
Ⅴ. Conclusion
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0