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
학술저널
저자정보
이경재 (국방대학교) 마정목 (국방대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제24권 제7호
발행연도
2023.7
수록면
189 - 196 (8page)
DOI
10.5762/KAIS.2023.24.7.189

이용수

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

초록· 키워드

오류제보하기
딥러닝 기반의 객체탐지 모델에서 새로운 객체에 대한 탐지를 위해서는 해당 객체가 포함된 방대한 이미지를 모델에 학습시켜야 한다. 하지만 충분한 이미지 데이터를 확보하기 힘든 환경에서는 모델을 학습시키기에 불리한 면이 있으며 국방 분야가 대표적인 예이다. 이와 같은 문제를 해결하기 위해 데이터 생성에 해당되는 시뮬레이션 가상환경에서의 3D 모델 기반의 합성이미지를 이용하여 컴퓨터가 학습할 수 있는 충분한 양의 데이터풀을 확보하고 객체탐지 모델을 학습시킬 수 있다. 이를 Sim2Real 학습이라고 하며, Sim2Real의 성능을 보장하기 위해서는 도메인 격차를 줄이는 과정이 필요하다. 본 연구에서는 도메인 격차를 줄이는 도메인 적응화 기법 중 하나인, 가상의 도메인에서 수집한 학습데이터로 학습한 객체탐지 모델의 가중치를 가지고 실제 도메인에서 수집한 이미지로 재학습하는, 미세조정 과정을 수행했을 때 성능 차이를 비교하여 도메인 적응화 기법이 실제로 탐지성능에 유의미한 영향을 미치는지 분석하고자 하였다. 실험 결과 적은 양의 실제이미지를 가지고 미세조정을 통해서 유의미한 성능 향상이 있음을 보았다. 이는 충분한 양과 질을 가진 학습용 이미지를 구하기 힘든 국방 분야에서, 객체탐지 모델을 학습하는 한 방향성을 제시해줄 수 있다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 객체탐지 실험
4. 결론
References

참고문헌 (12)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0