메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제28권 제10호
발행연도
2022.10
수록면
888 - 896 (9page)
DOI
10.5302/J.ICROS.2022.22.0121

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The development of artificial intelligence (AI) has brought many changes to a variety of industrial fields. However, there are problems when applying AI due to the various environmental factors in industrial sites. In particular, the object detection model used for robot depalletizing often deteriorates over time due to the distribution of data changing every moment. While it is possible to maintain the performance of the model through additional data acquisition, continuous data acquisition is costly. Therefore, data augmentation techniques are used to reduce costs and maintain performance. However, data augmented by existing augmentation techniques do not significantly change in terms of the distribution of existing data, rendering it difficult to maintain the performance of the object detection model. In this paper, we develop a data augmentation pipeline based on generative adversarial networks, which is effective at maintaining performance and reducing the cost of object detection models. The proposed pipeline is composed of a data generator model and an object detection model. The generator model uses a small amount of training data to generate data with a new distribution, while the object detection model is trained with both training and generated data. The object detection model trained through the pipeline with 100 pieces of training data exhibited better performance on new data distribution by 9.9% AP compared to the model trained with 2000 pieces of training data. In addition, the results of the qualitative analysis confirmed that a representative error occurring in robot depalletizing could be improved by the proposed pipeline.
#data augmentation #generative adversarial network #object detection #de-palletizing

목차

Abstract
I. 서론
II. 관련 이론
III. GAN기반의 데이터 증강 기법을 활용한 물체 검출 모델 학습 파이프라인
IV. 실험 결과
V. 결론
REFERENCES

참고문헌 (14)

참고문헌 신청
A. Kamilaris and F. Prenafeta-Boldú, “Deep learning in agriculture: A survey,” Computers and Electronics in Agriculture, vol. 147, pp. 70-90, Apr. 2018. google schola Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, 521(7553), pp. 436-444, 2015. google schola Z. Zou, Z. Shi, Y. Guo, and J. Ye, “Object detection in 20 years: A survey,” arXiv preprint, 2019. google schola L. Jiao, F. Zhang, F. Liu, S.Yang, L. Li, Z. Feng, and R. Qu, “A survey of deep learning-based object detection”. IEEE (Institute of Electrical and Electronics Engineers) Access, vol. 7, 128837-128868, 2019. google schola C. Shorten and T. M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” J. Big Data, vol. 6, no. 1, 2019. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

소형 박스 디팔레타이징을 위한 롤테이너 검출 및 박스 피킹 순서 결정 방법
임을균 ,  김동형 ,  김중배 제어로봇시스템학회 국내학술대회 논문집 2022 .06
소형 박스 디팔레타이징을 위한 박스 검출 시스템 구축 및 실험
임을균 ,  김동형 ,  김중배 제어로봇시스템학회 국내학술대회 논문집 2021 .06
자율주행 배송로봇을 위한 인공지능 기법
이덕진 ,  이마드 ,  도우끼올리드 대한기계학회 춘추학술대회 2022 .05
Mapless Navigation with Distributional Reinforcement Learning
Van Manh T ,  an ,  Gon-Woo Kim 로봇학회 논문지 2024 .03
자율주행 트랙터를 위한 비전 센서 융합 기반의 장애물 인식 및 충돌 방지 기술 개발
황예빈 ,  윤창호 ,  김용현 외 1명 한국산학기술학회 논문지 2024 .01

최근 본 자료

전체보기

댓글(0)

0