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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이수아 (서울대학교) 한지형 (서울과학기술대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.49 No.12
발행연도
2022.12
수록면
1,056 - 1,061 (6page)
DOI
10.5626/JOK.2022.49.12.1056

이용수

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

초록· 키워드

오류제보하기
컴퓨터 비전 분야에서는 양질의 이미지 데이터가 합성곱 신경망(CNN) 모델의 성능에 중요한 영향을 미친다. 하지만 실제 도메인에서는 충분한 양질의 데이터를 구하는 것이 어렵기 때문에 이미지 데이터의 증강 기법에 대한 연구가 계속해서 이루어지고 있다. 본 논문에서는 기존에 연구되던 적대적 생성 신경망(GAN)과 객체 복사(Copy-Paste) 기반의 증강 기법을 결합하여 더 다양한 이미지 데이터를 생성할 수 있는 이미지 데이터 증강 기법을 제안한다. 경계 상자(bounding box)가 아닌 객체 경계를 잘라내고, 적대적 생성 신경망을 사용하여 객체를 변형함으로써 기존의 픽셀 단위, 이미지 단위에서 벗어난 객체 단위의 이미지 데이터 증강을 보인다.
#합성곱 신경망 #적대적 생성 신경망 #이미지 데이터 증강 #객체 탐지 #convolution neural network (CNN) #generative adversarial network (GAN) #image data augmentation #object detection

목차

요약
Abstract
1. 서론
2. 관련 연구
3. Cycle GAN Copy-Paste
4. 실험 및 결과
5. 결론 및 향후 연구
References

참고문헌 (11)

참고문헌 신청
Connor Shorten and Taghi M. Khoshgoftaar, "A survey on Image Data Augmentation for Deep Learning," Journal of Big Data, Vol. 6, No. 60, pp. 1-48, 2019. google schola Barret Zoph, Ekin D. Cubuk, Golnaz Ghiasi, Tsung-Yi Lin, Jonathon Shlens, and Quoc V. Le, "Learning Data Augmentation Strategies for Object Detection," European Conference on Computer Vision 2020, pp. 566-583, 2020. google schola Debidatta Dwibedi, Ishan Misra, and Martial Hebert, "Cut, Paste and Learn: Surprisingly Easy Synthesis for Instance Detection," Proc. of the IEEE International Conference on Computer Vision (ICCV), pp. 1301-1310, 2017. google schola Christopher Bowles et al., "GAN Augmentation: Augmenting Training Data using Generative Adversarial Networks," arXiv:1810.10863, 2018. Ian Goodfellow et al., "Generative adversarial networks," Communications of the ACM, Vol. 63, No. 11, pp. 139-144, 2020. google schola

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

CartoonFaceGAN : StyleGAN2-ADA 기반의 Layer Swap 및 Distillation을 활용한 Cartoon Face Generation 연구
조성운 ,  조수한 ,  조혜지 외 1명 한국정보과학회 학술발표논문집 2022 .12
StyleGAN2를 활용한 스케치 기반 애니메이션 이미지 생성
김도연 ,  심종화 ,  황인준 한국정보과학회 학술발표논문집 2022 .12
로봇 디팔레타이징 산업용 인공지능 물체 검출 학습의 데이터 비용 절감을 위한 GAN 기반 데이터 증강 기법
조용우 ,  김현우 제어로봇시스템학회 논문지 2022 .10
작품 속 인물 특성에 따른 얼굴 생성 웹 개발
김규애 ,  노승진 ,  이준희 외 2명 한국통신학회 학술대회논문집 2021 .11
Facial Emotion Recognition Data Augmentation using Generative Adversarial Network
김진용 ,  조근식 Journal of KIISE 2021 .04

최근 본 자료

전체보기

댓글(0)

0