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
- 김용수
- 발행연도
- 2021
- 저작권
- 경기대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 딥러닝 적용을 통한 컴퓨터 비전 기술의 발전으로 의료, 제조, 교통 등 다양한 분야에서 영상 이미지를 이용한 객체 검출이 적용되고 있다. 특히 제조업에서는 제조 과정에서 발생할 수 있는 결함이나 불량을 검사과정에서 검출하는 컴퓨터 비전 기술을 적용하여 시간 및 비용을 절감하고 있다.
컴퓨터 비전 기술을 활용하기 위해서는 수집된 영상 이미지의 주석과 위치 정보가 필요하지만 많은 양의 영상 이미지를 수동으로 라벨링하는 것은 많은 시간과 비용이 소요된다. 또한 수동으로 수집된 어노테이션은 작업자마다 상이하므로 어노테이션 품질에 영향을 줄 수 있으며, 결국 부정확한 성능을 야기할 수 있다. 이를 해결하기 위해 쉽게 어노테이션을 수집할 수 있는 어노테이션 툴이 개발되거나 자동으로 어노테이션을 수집할 수 있는 방법론 관련 연구가 진행되고 있지만 일부 자동 어노테이션 수집 방법론은 영상 이미지에 대한 주석 처리만 가능하고 위치 정보를 수집하지 못하거나, 사람의 수동 어노테이션 작업을 선행되고 이를 기반으로 자동으로 어노테이션을 수집하기 때문에 시간과 비용이 소요된다.
본 연구에서는 수동 어노테이션 작업이 필요하지 않고, eXplainable AI를 이용하여 자동으로 영상 이미지에 대한 주석 및 위치 정보 수집이 가능한 프로세스를 제안하고자 한다. 이를 제조업에 적용한다면, 이미지 어노테이션 수집에 소요되는 시간과 비용을 절감하고 비교적 높은 품질의 어노테이션 정보를 수집할 수 있을 것으로 사료된다.
컴퓨터 비전 기술을 활용하기 위해서는 수집된 영상 이미지의 주석과 위치 정보가 필요하지만 많은 양의 영상 이미지를 수동으로 라벨링하는 것은 많은 시간과 비용이 소요된다. 또한 수동으로 수집된 어노테이션은 작업자마다 상이하므로 어노테이션 품질에 영향을 줄 수 있으며, 결국 부정확한 성능을 야기할 수 있다. 이를 해결하기 위해 쉽게 어노테이션을 수집할 수 있는 어노테이션 툴이 개발되거나 자동으로 어노테이션을 수집할 수 있는 방법론 관련 연구가 진행되고 있지만 일부 자동 어노테이션 수집 방법론은 영상 이미지에 대한 주석 처리만 가능하고 위치 정보를 수집하지 못하거나, 사람의 수동 어노테이션 작업을 선행되고 이를 기반으로 자동으로 어노테이션을 수집하기 때문에 시간과 비용이 소요된다.
본 연구에서는 수동 어노테이션 작업이 필요하지 않고, eXplainable AI를 이용하여 자동으로 영상 이미지에 대한 주석 및 위치 정보 수집이 가능한 프로세스를 제안하고자 한다. 이를 제조업에 적용한다면, 이미지 어노테이션 수집에 소요되는 시간과 비용을 절감하고 비교적 높은 품질의 어노테이션 정보를 수집할 수 있을 것으로 사료된다.
목차
Ⅰ. 연구배경 및 목표 11.1 연구배경 및 필요성 11.2 연구절차 및 구성 3Ⅱ. 관련문헌 연구 4Ⅲ. 이론적 배경 83.1 CNN 모델 83.2 군집 분석 153.3 Faster-RCNN 183.4 SHAP 20Ⅳ. 이미지 어노테이션 자동화 프로세스 개발 224.1 이미지 어노테이션 자동화 프로세스 제안 224.2 군집 분석 기반 주석 할당 234.3 SHAP 기반 위치 정보 추출 244.4 어노테이션 품질 평가 방법 26Ⅴ. 사례 연구 285.1 분석 데이터 285.2 분석 및 결과 30Ⅵ. 결론 및 추후 연구 43참고문헌 45Abstract 50
최근 본 자료
댓글(0)
0