| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000045953851 | |
| 005 | 20230526134621 | |
| 007 | ta | |
| 008 | 180625s2018 ulka bmAC 000c kor | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 085 | ▼a 0510 ▼2 KDCP | |
| 090 | ▼a 0510 ▼b 6D36 ▼c 1084 | |
| 100 | 1 | ▼a 최근호 ▼g 崔根晧 |
| 245 | 1 0 | ▼a 고속 영상 검색 및 분류를 위한 다중 분류기 기반 딥해싱 기법= / ▼d 최근호 저. |
| 246 | 1 1 | ▼a Supervised deep hashing based on multiple classifiers for fast image retrieval and classification |
| 260 | ▼a 서울 : ▼b 고려대학교 대학원, ▼c 2018. | |
| 300 | ▼a iv, 33장 : ▼b 삽화 ; ▼c 26 cm | |
| 500 | ▼a 지도교수: 이성환 | |
| 502 | 0 | ▼a 학위논문(석사)-- ▼b 고려대학교 대학원, ▼c 컴퓨터·전파통신공학과, ▼d 2018. 8 |
| 504 | ▼a 참고문헌: 장 27-33 | |
| 530 | ▼a PDF 파일로도 이용가능; ▼c Requires PDF file reader(application/pdf) | |
| 653 | ▼a Hashing ▼a Convolutional Neural Network ▼a 해시 ▼a 컨볼루션 뉴럴 네트워크 ▼a 딥해싱 ▼a Deep Hashing | |
| 776 | 0 | ▼t 고속 영상 검색 및 분류를 위한 다중 분류기 기반 딥해싱 기법 ▼w (DCOLL211009)000000081709 |
| 900 | 1 0 | ▼a Choi, Geun Ho, ▼e 저 |
| 900 | 1 0 | ▼a 이성환, ▼g 李晟瑍, ▼d 1962-, ▼e 지도교수 ▼0 AUTH(211009)151678 |
| 945 | ▼a KLPA |
Electronic Information
| No. | Title | Service |
|---|---|---|
| 1 | 고속 영상 검색 및 분류를 위한 다중 분류기 기반 딥해싱 기법 (37회 열람) |
View PDF Abstract Table of Contents |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Stacks(Thesis)/ | Call Number 0510 6D36 1084 | Accession No. 123059625 | Availability Available | Due Date | Make a Reservation | Service |
| No. 2 | Location Science & Engineering Library/Stacks(Thesis)/ | Call Number 0510 6D36 1084 | Accession No. 123059626 | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Abstract
이미지 및 비디오와 같은 멀티미디어 데이터의 급속한 증가로 빠른 검색에 대한 수요가 늘었고 그 중 가장 활발히 연구되고 있는 분야는 해시(Hash) 방법론이다. 해시 방법 역시 다른 컴퓨터 비전 분야와 마찬가지로 딥러닝(Deep learning)과 결합한 딥해싱(Deep hashing)이 기존의 해시 방법들보다 우수한 성능을 보여주었는데, 본 논문 역시 딥해싱에 대한 연구를 다루고 있다. 본 논문에서 제안하는 딥해싱 방법론은 앙상블 분류기(Ensemble classifier)를 만드는데 사용되는 Error Correcting Output Code(ECOC) matrix를 사용하여 다수의 분류기(classifier)를 만들고 다수의 분류기에서 얻는 값을 바로 이진 코드로 사용한다. 다수의 분류기에서 이진 코드를 추출했을 때 얻는 이점은 Hamming Distance 계산하여 검색에도 쓸 수 있을 뿐만 아니라 분류(Classification)에도 사용될 수 있다. 여러 데이터셋(dataset)에서 실험을 통해 제안한 방법이 다른 최신의 딥해싱 모델과 비교해 우수함을 보여주고 있다.
Table of Contents
1 서론 1 2 관련 연구 6 3 본론 9 3.1 ECOC matrix 10 3.2 ECOC 세부 설계 16 4 실험 및 결과 분석 20 4.1 실험 환경 20 4.2 검색 성능 비교 20 4.3 분류 성능 비교 23 5 결론 및 향후 연구 26
