현재 위치
Home
기술 융합(TC)
로봇 비전의 영상 인식 AI를 위한 전이학습 정량 평가
Quantitative evaluation of transfer learning for image recognition AI of robot vision
-
- 발행기관
- 국제문화기술진흥원 바로가기
-
- 간행물
- The Journal of the Convergence on Culture Technology (JCCT) KCI 등재 바로가기
-
- 통권
- Vol.10 No.3 (2024.06)바로가기
-
- 페이지
- pp.909-914
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A452193
※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.
원문정보
초록
- 영어
- This study suggests a quantitative evaluation of transfer learning, which is widely used in various AI fields, including image recognition for robot vision. Quantitative and qualitative analyses of results applying transfer learning are presented, but transfer learning itself is not discussed. Therefore, this study proposes a quantitative evaluation of transfer learning itself based on MNIST, a handwritten digit database. For the reference network, the change in recognition accuracy according to the depth of the transfer learning frozen layer and the ratio of transfer learning data and pre-training data is tracked. It is observed that when freezing up to the first layer and the ratio of transfer learning data is more than 3%, the recognition accuracy of more than 90% can be stably maintained. The transfer learning quantitative evaluation method of this study can be used to implement transfer learning optimized according to the network structure and type of data in the future, and will expand the scope of the use of robot vision and image analysis AI in various environments.
- 한국어
- 본 연구에서는 로봇 비전용 영상 인식을 비롯한 다양한 AI 분야에서 널리 활용되는 전이학습에 대한 정량적 평가를 제시하였다. 전이학습을 적용한 연구 결과에 대한 정량적, 정성적 분석은 제시되나, 전이학습 자체에 대해서는 논의되지 않는다. 따라서 본 연구에서는 전이학습 자체에 대한 정량적 평가를 숫자 손글씨 데이터베이스인 MNIST 를 기반으로 제안한다. 기준 네트워크를 대상으로 전이학습 동결층의 깊이 및 전이학습 데이터와 사전 학습 데이터의 비율에 따른 정확도 변화를 추적하였다. 이를 통해 첫번째 레이어까지 동결할 때 전이학습 데이터의 비율이 3% 이상 일 경우, 90% 이상의 정확도를 안정적으로 유지할 수 있음이 확인되었다. 본 연구의 전이학습 정량 평가 방법은 향 후 네트워크 구조와 데이터의 종류에 따라 최적화된 전이학습을 구현하는데 활용 가능하며, 다양한 환경에서 로봇 비 전 및 이미지 분석 AI의 활용 범위를 확대할 것이다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 학습 데이터베이스
2.1. MNIST 데이터베이스
2.2. TMNIST 데이터베이스
Ⅲ. 영상 인식 AI를 위한 전이학습
3.1 기준 네트워크 모델
3.2 사전 학습 결과
3.3. 전이학습 구현
3.4 전이학습 결과
Ⅳ. 전이학습 정량 평가
Ⅴ. 결론
References
키워드
로봇 비전 영상 인식 전이 학습 합성곱신경망 MNIST Robot Vision Image Recognition Transfer Learning Convolution Neural Network MNIST저자
간행물 정보
발행기관
-
- 발행기관명
- 국제문화기술진흥원 [The International Promotion Agency of Culture Technology]
- 설립연도
- 2009
- 분야
- 공학>공학일반
- 소개
- 본 진흥원은 문화기술(Culture Technology) 관련 산·학·연·관으로 구성된 비영리 단체이다. 문화기술(CT)은 정보통신기술(ICT), 문화적 사고 기반의 예술, 인문학, 디자인, 사회과학기술이 접목된 신융합기술(New Convergence Technology, NCT)로 정의한다. 인간의 삶의 질을 향상시키고, 진보된 방향으로 변화시키고, 문화기술 관련 분야의 학술 및 기술의 발전과 진흥에 공헌하기 위하여, 제3조의 필요한 사업을 행함을 그 목적으로 한다.
간행물
-
- 간행물명
- The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]
- 간기
- 격월간
- pISSN
- 2384-0358
- eISSN
- 2384-0366
- 수록기간
- 2015~2025
- 등재여부
- KCI 등재
- 십진분류
- KDC 600 DDC 700
이 권호 내 다른 논문 / The Journal of the Convergence on Culture Technology (JCCT) Vol.10 No.3
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.