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
- 낭종호
- 발행연도
- 2023
- 저작권
- 서강대학교 논문은 저작권에 의해 보호받습니다.
이용수3
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
최근 휴대용 촬영 기기의 보편화와 모바일 인터넷 기술의 발전으로 소셜 미디어의 인기가 급증하며 타인의 이미지를 무단으로 복제 및 편집하여 게재 하는 저작권 침해 행위가 증가하고 있다. 이러한 문제를 해결하기 위한 기존 근복사 이미지 검출 연구는 크롭, 대비와 같은 단순한 변형에 대해서만 다루 고 있어 복잡한 변형의 경우 검출에 실패하는 경우가 증가하고 있다. 혹은 복 잡한 변형을 다룰 경우 무거운 모델을 사용하며 학습 및 추론에 매우 많은 연 산량을 요구한다는 문제점이 있었다. 본 논문에서는 이러한 문제를 해결하기 위해 경량 딥러닝 모델인 MobileNet [1]을 백본으로 하며, 직교 융합 [2]을 사용하여 전역 및 지역 정보를 동시에 보존할 수 있는 특징 벡터 생성 방법을 제안한다. 제안 방법의 단점을 보강하기 위해 변형 별 검출 성능을 분석한 후, 수직 반전 계열의 변형을 보완할 수 있는 두 가지 특징 벡터 생성 방법을 추가로 제안한다. 온라인 메트릭 학습을 진행하여 각 근복사 이미지 검출 방 법들의 정확도와 모델 크기 및 검색 속도를 비교한다. 단순한 변형 위주의 Simulated 데이터셋과 복잡한 변형 위주의 DISC 데이터셋 [3]에 대한 실험을 통하여 성능을 평가하고 분석한다. DISC 데이터셋에 대해 microAP 기준 52.5% 의 이미지 복사 검출 성능을 얻었으며, 기존 연구 대비 정확도 면에서는 14% 떨어지지만, 모델 크기와 추론 시간 측면에서 각 10.3배, 4.2배로 효율적인 시스템 설계임을 확인했다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0