영상 리사이징이 심층 신경망 기반 영상 분류기 성능에 미치는 영향에 관한 연구Impacts of Image Resizing on the Performance of Deep Neural Network-Based Image Classifiers
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | 김윤형 | ko |
| dc.contributor.author | 정찬호 | ko |
| dc.contributor.author | 김창익 | ko |
| dc.date.accessioned | 2019-11-01T09:20:25Z | - |
| dc.date.available | 2019-11-01T09:20:25Z | - |
| dc.date.created | 2019-10-31 | - |
| dc.date.created | 2019-10-31 | - |
| dc.date.issued | 2019-07 | - |
| dc.identifier.citation | 한국통신학회논문지, v.44, no.7, pp.1299 - 1302 | - |
| dc.identifier.issn | 1226-4717 | - |
| dc.identifier.uri | http://hdl.handle.net/10203/268134 | - |
| dc.description.abstract | 본 논문에서는 영상 리사이징이 심층 신경망 기반영상 분류기의 성능에 미치는 영향을 분석 및 고찰한다. 고정된 크기의 영상을 입력으로 받아들이는 심층신경망 기반 영상 분류기를 사용하기 위해서는 입력영상을 리사이징하는 작업이 선행되어야 한다. 본 논문에서는 5종의 영상 리사이징 기법을 이용하여, 각각의 리사이징 기법이 영상 분류 성능에 미치는 영향을 실험적으로 비교 및 분석한다. 정량적 비교 평가를 위해 ImageNet 영상 데이터셋으로 학습된 5종의영상 분류기를 활용하여 Top-5, Top-1 정확도를 측정하였다. 본 논문에서 제시한 정량적 분석 결과는 심층 신경망 기반 영상 분류기 활용에 관심이 있는 연구자 및 개발자들에게 유용한 벤치마크가 될 것으로예상된다. | - |
| dc.language | Korean | - |
| dc.publisher | 한국통신학회 | - |
| dc.title | 영상 리사이징이 심층 신경망 기반 영상 분류기 성능에 미치는 영향에 관한 연구 | - |
| dc.title.alternative | Impacts of Image Resizing on the Performance of Deep Neural Network-Based Image Classifiers | - |
| dc.type | Article | - |
| dc.type.rims | ART | - |
| dc.citation.volume | 44 | - |
| dc.citation.issue | 7 | - |
| dc.citation.beginningpage | 1299 | - |
| dc.citation.endingpage | 1302 | - |
| dc.citation.publicationname | 한국통신학회논문지 | - |
| dc.identifier.kciid | ART002491394 | - |
| dc.contributor.localauthor | 김창익 | - |
| dc.contributor.nonIdAuthor | 정찬호 | - |
| dc.description.isOpenAccess | N | - |
- Appears in Collection
- EE-Journal Papers(저널논문)
- Files in This Item
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.