인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
피인용 0
초록·키워드
Random Erasing in the Frequency domain (REF) is a data augmentation method that performs random erasing in the frequency domain. In order to evaluate the performance, it utilizes two metrics such as the corruption error, which measures the error rate for a corruption dataset, and the clean error, which measures the error rate for a clean dataset. While REF is effective in reducing the corruption error, it shows the increment in clean error. To address this increment, this paper proposes Random Erasing in the Frequency domain using multi-block. Additionally, it considers both clean error and corruption error to identify the best multi-block configuration. The training image is divided into n×n blocks, and REF is applied to each block to generate various transformations. Experimental results show that utilizing a 2×2 block configuration reduces clean error by up to 0.466%. Moreover, the best multi-blocks configuration results in a decrease of clean error by up to 0.046% and a reduction of corruption error by up to 5.246%.
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
