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
- 학위논문
- 저자정보
- 지도교수
- 용환승
- 발행연도
- 2017
- 저작권
- 이화여자대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구는 기존의 딥러닝(Deep Learning)기술 중 이미지 인식에 많이 사용되는 컨볼루션 신경망(Convolutional Neural Network, CNN)을 이용한 사물을 분류하는 연구를 확대하여 3단계 계층 구조(Three-Level)에서의 사물 분류를 제안한다. 기존의 연구는 계층이 없는 구조(One-Level)에서 층(Layer)을 증가시켜 더욱 깊은 모델을 구현하는 것이었다. 하지만 본 연구에서는 층(Layer)을 증가시키는 방법이 아니라 사물 특성에 따른 계층 (Level)이 3개인 모델을 구현하여 사물 분류의 정확도를 높인다.
3단계 계층 구조를 구현함으로써 정확도를 높일 뿐 아니라, 사물 분류할 때 오인식의 범위를 감소시키게 되었다. 계층이 있는 구조를 구현함에 따라, 사물의 상위 항목을 먼저 분류함으로써 사용자가 얻는 정보의 신뢰성도 증가하게 되었다. 또한 분산 처리로 여러 대의 컴퓨터를 이용하여 데이터 분할(Data Partitioning)을 한 후에 분산 환경에서 실험을 할 경우, 학습 시간은 1단계 계층 구조와 같은 시간이 소요된다. 결과적으로 학습 시간은 같지만 정확도가 높고, 사물 분류 오인식의 범위가 낮은 모델이 구현하게 되었다.
3단계 계층 구조를 구현함으로써 정확도를 높일 뿐 아니라, 사물 분류할 때 오인식의 범위를 감소시키게 되었다. 계층이 있는 구조를 구현함에 따라, 사물의 상위 항목을 먼저 분류함으로써 사용자가 얻는 정보의 신뢰성도 증가하게 되었다. 또한 분산 처리로 여러 대의 컴퓨터를 이용하여 데이터 분할(Data Partitioning)을 한 후에 분산 환경에서 실험을 할 경우, 학습 시간은 1단계 계층 구조와 같은 시간이 소요된다. 결과적으로 학습 시간은 같지만 정확도가 높고, 사물 분류 오인식의 범위가 낮은 모델이 구현하게 되었다.
목차
Ⅰ. 서론 11.1. 연구 배경 및 내용 11.2. 논문 구성 2Ⅱ. 관련 연구 및 동향 32.1. 딥러닝(Deep Learning)과 이미지 인식(Image Recognition) 32.2. 2단계 계층구조에서의 이미지 인식 5Ⅲ. 3단계 계층 구조에서의 사물 인식 63.1. 3단계 계층 구조 모델 63.2. 3단계 계층 구조 모델의 필요성 83.2.1. 3단계 계층 구조 모델의 정확성 93.2.2. 오인식의 범위 93.2.3. 분산 환경에서의 가능성 10Ⅳ. 시스템 성능 평가 124.1. 시스템 환경 및 실험 데이터 124.2. 실험 방법 144.3. 1단계 계층 구조와 3단계 계층 구조 비교 174.4. 2단계 계층 구조와 3단계 계층 구조 비교 17Ⅴ. 결론 및 향후 과제 26참고문헌 28ABSTRACT 32
최근 본 자료
댓글(0)
0