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
- 심동규
- 발행연도
- 2020
- 저작권
- 광운대학교 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 논문은 객체 검출 알고리즘을 위한 통계치 적응적인 선형 회귀 기반 객체 크기 예측 방법을 제안한다. 기존에 제안된 딥 러닝 기반 객체 검출 알고리즘 중 YOLOv2 및 YOLOv3은 객체의 크기를 예측하기 위하여 네트워크의 마지막 계층에 통계치 적응적인 지수 회귀 모델을 사용한다. 하지만, 지수 회귀 모델은 역전파 과정에서 지수 함수의 특성상 매우 큰 미분값을 네트워크의 파라미터로 전파시킬 수 있는 문제점이 있다. 따라서 본 논문에서는 미분값의 발산 문제를 해결하기 위하여 객체 크기 예측을 위한 통계치 적응적인 선형 회귀 모델을 제안한다. 제안하는 통계치 적응적인 선형 회귀 모델은 딥러닝 네트워크의 마지막 계층에 사용되며, 학습 데이터셋의 객체들의 너비와 높이에 대한 통계치를 이용하여 객체의 크기를 예측한다. 제안하는 객체 검출 알고리즘의 성능을 평가하기 위하여 자동차 번호판 데이터셋인 UFPR-ALPR를 사용하였으며, YOLOv3 tiny 네트워크의 백본 네트워크를 기반으로 객체의 크기를 예측함에 있어 제안하는 방법을 적용하였을 때와 기존 방법을 적용하였을 때의 객체 검출 성능을 비교하였다. 그 결과, 기존 방법 대비 AP (Average Precision)가 1.4 증가된 결과를 보였다.
목차
제 1 장 서 론 1제 2 장 기존의 객체 검출 알고리즘 42.1 CNN기반객체검출알고리즘 52.2 통계치를이용한객체검출알고리즘 7제 3 장 통계치 적응적인 선형 회귀 모델 기반 객체 크기 예측 방법 103.1 객체크기예측을위한통계치추정방법 123.2 통계치적응적인선형회귀모델기반객체크기예측방법 13제 4 장 실험 결과 184.1 네트워크및학습방법 204.2 제안하는방법의실험적분석 21제 5 장 결 론 26참 고 문 헌 27
최근 본 자료
댓글(0)
0