인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
본 연구는 객체 검출 모델인 SAM(Segment Anything Model)에서 생성된 마스크들 사이의 공간적 및 의미적 중복을 효과적으로 제거, 계층 구조로 조직화(Hierarchical Structuring)하는 계층적 객체 인식 방법론(HOD-SAM) 을 제안한다. 제안된 방법은 객체 마스크 간의 포함관계를 기반으로 트리 구조를 형성하고, 표상 추출기를 통해 의미적으로 중복된 마스크를 제거함으로써, 중복 제거와 객체 구조 정리를 동시에 수행한다. 이를 통해 SAM 기반 인스턴스 검출에서 발생하는 중복 문제를 해결하고, 객체 인스턴스 검출 및 공간 분류와 같은 공간 인식 태스크에서의 효율적 활용이 가능함을 입증하였다. COCO 및 Places365 데이터셋에 대한 실험 결과, 제안된 HOD-SAM은 기존 SAM 모델 대비 더 높은 정확도와 효율성을 보이며, 향후 복합적인 공간 이해 및 추론에 활용될 수 있는 범용 인식 모듈로의 확장 가능성을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096409062
