Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Choi HyeOk | - |
dc.contributor.author | Kim, Dong Hwan | - |
dc.contributor.author | Hyeran Byun | - |
dc.date.accessioned | 2024-01-12T06:12:29Z | - |
dc.date.available | 2024-01-12T06:12:29Z | - |
dc.date.created | 2021-09-29 | - |
dc.date.issued | 2018-02 | - |
dc.identifier.uri | https://pubs.kist.re.kr/handle/201004/79449 | - |
dc.description.abstract | 본 논문에서는 3D CAD 모델인 ModelNet40 을 사용하여 최근 객체 분류 알고리즘에서 많이 활용되는 CNN (Convolutional Neural Network) 구조 중 ResNet(Residual Network)과 가늘고 긴 커널을 가지는 Anisotropic Probing 구조를 통해 객체를 분류하는 방법을 제안한다. 제안하는 알고리즘을 통해 앞 단인 Anisotropic Probing 구조에서 3 차원을 2 차원으로 투영하는 효과를 가지는 구조를 구성함으로써 높은 해상도의 표현이 가능하도록 하고, 작은 크기의 커널과 파라미터만으로도 장거리 상호작용이 강화되는 것이 가능하도록 하였다. 또한 뒷 단의 ResNet 구조에서 깊은 신경회로망을 통해 같은 연산량으로 더 좋은 성능을 보였다. 3D CAD 모델로 이루어진 ModelNet40 으로 실험한 결과 기존의 모델보다 평균 0.4% 이상의 차이로 나은 성능을 보여주었다. | - |
dc.language | English | - |
dc.publisher | 한국방송·미디어공학회 | - |
dc.subject | object classification | - |
dc.subject | CNN | - |
dc.subject | deep volumetric CNN | - |
dc.title | 3D Object Classification Using Deep Volumetric CNN | - |
dc.title.alternative | Deep Volumetric CNN을 이용한 3차원 객체 분류 기법 | - |
dc.type | Conference | - |
dc.description.journalClass | 2 | - |
dc.identifier.bibliographicCitation | 제 30 회 영상처리 및 이해에 관한 워크샵 | - |
dc.citation.title | 제 30 회 영상처리 및 이해에 관한 워크샵 | - |
dc.citation.conferencePlace | KO | - |
dc.citation.conferencePlace | 제주 | - |
dc.citation.conferenceDate | 2018-02-07 | - |
dc.relation.isPartOf | 제 30 회 영상처리 및 이해에 관한 워크샵 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.