http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
정선재(Sunjae Jeong),서기성(Kisung Seo) 대한전기학회 2021 대한전기학회 학술대회 논문집 Vol.2021 No.10
DETR 등 트랜스포머 기반 객체 검출에서는 백본에서 출력된 특징맵을 트랜스포머의 인코더와 디코더를 통해 멀티헤드 어텐션(Multi Head 셀프 어텐션)을 수행하여 우수한 검출 성능을 얻고 있다. 본 논문에서는 멀티헤드 어텐션중 일부 연산을 CNN으로 대체하여 검출 성능의 향상을 시도한다. NEU 결함 데이터를 사용하여 ResNet에 대한 비교 실험을 수행한다.
이건영(Keon Young Yi),정선재(Sunjae Jeong),서기성(Kisung Seo) 대한전기학회 2020 전기학회논문지 Vol.69 No.2
A machine vision based industrial inspection requires little computation time and localizing defects robustly with high accuracy. Recent mobile and embedded systems require computationally efficient machine intelligence with a deep learning model. In order to improve detection performance and processing time, various network modification methods are proposed. The experiments for defect detection on the metal surfaces data are executed using the various YOLO networks on embedded GPU system Nvidia Tx-1. The results for detection performance and inspection time are compared and analysed. Among them, modified YOLOv2-tiny model shows a better performance in both detection rate and fps.