본 논문은 Graph Neural Network(GNN)기반 이미지 분류(Image Classification)방법을 제시하고 그 결과를 나타낸다. 우리는 먼저 SLIC 알고리즘을 사용하여 원본 이미지를 슈퍼픽셀 이미지로 변환한다. 그...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108073119
2022
Korean
학술저널
971-972(2쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문은 Graph Neural Network(GNN)기반 이미지 분류(Image Classification)방법을 제시하고 그 결과를 나타낸다. 우리는 먼저 SLIC 알고리즘을 사용하여 원본 이미지를 슈퍼픽셀 이미지로 변환한다. 그...
본 논문은 Graph Neural Network(GNN)기반 이미지 분류(Image Classification)방법을 제시하고 그 결과를 나타낸다. 우리는 먼저 SLIC 알고리즘을 사용하여 원본 이미지를 슈퍼픽셀 이미지로 변환한다. 그리고 각 슈퍼픽셀 영역을 노드로, 주변픽셀들을 엣지로 연결시키어 그래프를 생성하는 Region Adjacency Graph(RAG) 알고리즘을 적용한 뒤 GNN에 통과시켜 이미지 분류를 수행한다. 우리는 Graph Attention Network(GAT)모델을 사용하여 MNIST, FashionMNIST, CIFAR10 데이터셋으로 실험하였고, 결과분석 및 CGAT(Convolution Graph Attention Network)를 새로 제안하며 발전방향을 제시한다.
USRP 기반 테스트베드 구성에 따른 위상 오차 Calibration 성능 분석
Sub-THz 대역 위상 잡음에 의한 열화 현상 모델링 및 보상 알고리즘에 따른 분석
5G NR 시스템에서 MCS 선택을 위한 MIESM 방법에 대한 연구
SIC-free Detection for Quadrature NOMA with SM