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
김도현 (중앙대학교) 김중헌 (고려대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.46 No.9
발행연도
2019.9
수록면
941 - 945 (5page)
DOI
10.5626/JOK.2019.46.9.941

이용수

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

초록· 키워드

오류제보하기
본 논문에서는 영상 인식 분류 시스템의 주요한 성능평가 고려사항 중 하나인 분류 대상 별 성능 편차문제를 완화시키기 위한 새로운 심층 신경망 기반 조화 앙상블(Harmony) 기법을 제안한다. 조화 앙상블 기법은 표적 모델(Target model), 보완 모델(Complementary model) 그리고 지휘자 모델(Conductor model)로 명명된 3가지의 하위 모듈들로 구성된다. 제안하는 기법에서의 분류 대상은 지휘자 모델에서의 결과에 따라 표적 모델 또는 보완 모델을 통해 선택적으로 처리된다. 표적 모델은 종래의 분류모델과 동일한 방식으로 학습된다. 반면에 보완 모델은 표적 모델의 취약한 분류 대상에 대하여 상호보완적인 분류 성능을 가지도록 학습된다. 지휘자 모델은 분류 대상이 표적 모델의 취약 분류대상에 속하는지를 사전에 분류하여 분류대상을 표적 모델과 보완 모델 중에 어떤 모델을 사용하여 분류 할 것인지를 결정한다. 논문의 끝에서는 실험적 결과를 통하여 제안하는 조화 앙상블 기법을 통해 평균 분류성능의 대한 손실 없이 분류 대상 별 성능 편차문제를 효과적으로 완화시킬 수 있음을 확인한다.

목차

요약
Abstract
1. 서론
2. 본론
3. 결론
References

참고문헌 (11)

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