http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 조장훈 ( Janghun Jo ) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
조장훈 ( Janghun Jo ),이호연 ( Hoyeon Lee ),신명우 ( Myeongwoo Shin ),김경섭 ( Kyungsup Kim ) 한국정보처리학회 2017 한국정보처리학회 학술대회논문집 Vol.24 No.2
이 연구에서는 형 태학적 연산(Morphological Operator)과 CNN (Convolutional Neural Networks)의 개념을 결합하여 이미지 변환을 개선하고자 한다. 이를 위해서 형태학적 연산을 근사할 수 있는 연산을 제안한다. 그리고 제안한 연산을 CNN처럼 여러 필터를 사용할 수 있게 확장한 S-Convolution을 제안한다. 실험 결과 제안한 연산은 형태학적 연산을 학습할 수 있었다. 그리고 제안한 연산의 이미지 변환 성능을 검증하기 위해 GAN에 적용하여 실험하였다. 그 결과 S-Convolution이 기존 CNN을 사용한 GAN과 다른 변환이 가능하다는 것을 볼 수 있었다. We attempt to combines concepts of Morphological Operator(MO) and Convolutional Neural Networks (CNN) to improve image-to-image translation. To do this, we propose an operation that approximates morphological operations. Also we propose S-Convolution, an operation that extends the operation to use multiple filters like CNN. The experiment result shows that it can learn MO with big filter using multiple S-convolution layer of small filter. To validate effectiveness of the proposed layer in image-to-image translation we experiment with GAN with S- convolution applied. The result showed that GAN with S-convolution can achieve distinct result from that of GAN with CNN.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
