최근 다양한 분야에 딥러닝 기술이 도입되었고, 특히 영상 처리에 특화된 합성곱신경망(CNN: Convolutional Neural Network)이 많이 활용되고 있다. 금속 외관의 결함영역을 검출하는 많은 응용 분야(...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A108246022
2022
Korean
KCI등재
학술저널
275-285(11쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
최근 다양한 분야에 딥러닝 기술이 도입되었고, 특히 영상 처리에 특화된 합성곱신경망(CNN: Convolutional Neural Network)이 많이 활용되고 있다. 금속 외관의 결함영역을 검출하는 많은 응용 분야(...
최근 다양한 분야에 딥러닝 기술이 도입되었고, 특히 영상 처리에 특화된 합성곱신경망(CNN: Convolutional Neural Network)이 많이 활용되고 있다. 금속 외관의 결함영역을 검출하는 많은 응용 분야(예를 들어, 스마트 제조 및 스마트팩토리 분야)에서도 합성곱신경망을 활용한 연구가 활발하게 이루어지고 있다. 본 논문에서는 합성곱신경망 기반 객체 검출(Object Detection) 알고리즘 중 하나인 YOLOv4(YOLO 알고리즘의 4번째 버전)를 활용하여 금속 외관의 결함영역을 검출하는 연구를 수행하고자 한다. 특히, 본 논문에서는YOLOv4 네트워크 구조에 여러 후처리 기법들과 전이 학습을 적용하여 향상된 검출 성능을달성하는 방안을 제안한다. 두 가지 종류의 학습데이터셋((i)공용 데이터셋과 (ii)실측 데이터셋)에 대한 실험을 통해 제안한 방법의 성능을 검증하고 분석한다. 또한 성능 검증을 통해공용 데이터셋과 실측 데이터셋에서의 후처리 기법 및 전이학습에 대한 최적의 조합을 도출하였다.
참고문헌 (Reference)
1 이민기 ; 서기성, "금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교" 대한전기학회 67 (67): 865-870, 2018
2 Redmon, J., "You only look once: Unified, real-time object detection" 779-788, 2016
3 Bochkovskiy, A., "Yolov4: Optimal speed and accuracy of object detection"
4 Redmon, J., "Yolov3: An incremental improvement"
5 Redmon, J., "YOLO9000: better, faster, stronger" 7263-7271, 2017
6 Everingham, M., "The pascal visual object classes challenge: A retrospective" 111 (111): 98-136, 2015
7 Zhao, J., "The cold rolling strip surface defect on-line inspection system based on machine vision" 1 : 402-405, 2010
8 Arikan, S., "Surface defect classification in real-time using convolutional neural networks"
9 Hatab, M., "Surface Defect Detection Using YOLO Network" 505-515, 2020
10 Hearst, M. A., "Support vector machines" 13 (13): 18-28, 1998
1 이민기 ; 서기성, "금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교" 대한전기학회 67 (67): 865-870, 2018
2 Redmon, J., "You only look once: Unified, real-time object detection" 779-788, 2016
3 Bochkovskiy, A., "Yolov4: Optimal speed and accuracy of object detection"
4 Redmon, J., "Yolov3: An incremental improvement"
5 Redmon, J., "YOLO9000: better, faster, stronger" 7263-7271, 2017
6 Everingham, M., "The pascal visual object classes challenge: A retrospective" 111 (111): 98-136, 2015
7 Zhao, J., "The cold rolling strip surface defect on-line inspection system based on machine vision" 1 : 402-405, 2010
8 Arikan, S., "Surface defect classification in real-time using convolutional neural networks"
9 Hatab, M., "Surface Defect Detection Using YOLO Network" 505-515, 2020
10 Hearst, M. A., "Support vector machines" 13 (13): 18-28, 1998
11 Loshchilov, I., "Sgdr: Stochastic gradient descent with warm restarts"
12 Girshick, R., "Rich feature hierarchies for accurate object detection and semantic segmentation" 580-587, 2014
13 Li, Y., "Research on a surface defect detection algorithm based on MobileNet-SSD" 8 (8): 1678-, 2018
14 Liu, Y., "Real-Time Classification of Steel Strip Surface Defects Based on Deep CNNs" 257-266, 2019
15 Hung Tzu-Yi, "Phase fourier reconstruction for anomaly detection on metal surface using salient irregularity" 290-302, 2017
16 Kechen Song, "NEU surface defect database"
17 Lin, T. Y., "Microsoft coco: Common objects in context" 740-755, 2014
18 Wu, W., "Machine vision inspection of electrical connectors based on improved Yolo v3" 8 : 166184-166196, 2020
19 Darken, C., "Learning rate schedules for faster stochastic gradient search" 2 : 3-12, 1992
20 Hosang, J., "Learning non-maximum suppression" 4507-4515, 2017
21 Wang, F., "Intelligent recognition of surface defects of parts by Resnet" 1883 (1883): 2021
22 Campbell, F. C, "Inspection of metals: un derstanding the basics" ASM International 2013
23 LeCun, Y., "Gradient-based learning applied to document recognition" 86 (86): 2278-2324, 1998
24 Ghiasi, G., "Dropblock: A regularization method for convolutional networks"
25 Zheng, Z., "Distance-IoU loss: Faster and better learning for bounding box regression" 34 (34): 2020
26 Jia, F., "Deep normalized convolutional neural network for imbalanced fault classification of machinery and its understanding via visualization" 110 : 349-367, 2018
27 Wu, X. Y., "Application of undecimated wavelet transform to surface defect detection of hot rolled steel plates" 4 : 528-532, 2008
기업부실 예측모형의 성과개선을 위한 기하평균 최적화 기반의 부스팅 학습
공격자 능력과 네트워크 취약성을 기반한 공격 그래프 설계 및 표적 우선 순위 연구
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2023 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 선정 (재인증) | |
2019-12-01 | 평가 | 등재후보로 하락 (계속평가) | |
2016-01-01 | 평가 | 등재학술지 선정 (계속평가) | |
2015-12-01 | 평가 | 등재후보로 하락 (기타) | |
2011-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2009-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-02-20 | 학술지명변경 | 한글명 : 한국퍼지및지능시스템학회 논문지 -> 한국지능시스템학회 논문지외국어명 : 미등록 -> Journal of Korean Institute of Intelligent Systems | |
2008-02-18 | 학회명변경 | 한글명 : 한국퍼지및지능시스템학회 -> 한국지능시스템학회영문명 : Korea Fuzzy Logic And Intelligent Systems Society -> Korean Institute of Intelligent Systems | |
2007-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2005-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2002-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
1999-07-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.62 | 0.62 | 0.63 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.56 | 0.49 | 0.866 | 0.2 |