Earticle

초록

영어

CNN is a type of deep learning and is a neural network used to process images or image data. The filter traverses the image and extracts features of the image to distinguish the image. Deep learning has the characteristic that the more data, the better models can be made, and CNN uses a method of artificially increasing the amount of data by means of data augmentation such as rotation, zoom, shift, and flip to compensate for the weakness of less data. When learning CNN, we would like to check whether outline image learning is helpful in improving performance compared to conventional data augmentation techniques.

한국어

CNN은 딥러닝의 한 종류로 이미지나 영상 데이터를 처리할 때 사용하는 신경망이다. 필터가 이미지를 순회하며 이미지의 특징을 추출하여 이미지를 구분한다. 딥러닝은 데이터가 많을수록 좋은 모델을 만들 수 있는 특징이 있고, CNN에서는 적은 데이터의 약점을 보완하기 위해 회전, 확대, 이동, 뒤집기 같은 방법의 데이터 증강이라는 기법으로 데이터의 양을 인위적으로 늘리는 방법을 사용한다. 외곽선 이미지 학습은 이미지 데이터에서 외곽선에 해당하는 영역을 추출하는 것이다. CNN 학습 시, 외곽선 이미지 학습이 기존의 데이터 증강기법과 비교하여 성능 향상의 도움이 되는지 확인하고자 한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
1. CNN(Convolutional Neural Networks)[1]
2. 데이터 증강(data augmentation)[2][3]
3. 외곽선 감지(contour detection)[4]
Ⅲ. 모델 설계
1. CNN 모델
2. 데이터 증강
3. 외곽선 추출
Ⅳ. 실험 및 결과
1. 데이터셋
2. 실험 방법[11][12]
Ⅴ. 결론
References

키워드

저자

• 권용수 [ Yong-Soo Kwon | 준회원, 안양대학교 ICT융합학부 소프트웨어전공 ]
• 황승연 [ Seung-Yeon Hwang | 준회원, 안양대학교 컴퓨터공학과 ]
• 신동진 [ Dong-Jin Shin | 준회원, 안양대학교 컴퓨터공학과 ]
• 김정준 [ Jeong-Joon Kim | 정회원, 안양대학교 ICT융합학부 소프트웨어전공 ] Corresponding author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]

• 간기

  격월간

• pISSN

  2289-0238

• eISSN

  2289-0246

• 수록기간

  2001~2025

• 십진분류

  KDC 326 DDC 380