메뉴 건너뛰기
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)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(국립한밭대학교) (국립한밭대학교) (국립한밭대학교) (국립한밭대학교)
저널정보
한국방송·미디어공학회 한국방송미디어공학회 학술발표대회 논문집 한국방송·미디어공학회 2025 하계학술대회
오류 신고하기

피인용 0

검색

    초록·키워드

    본 연구는 보안상 공개가 제한된 군용 차량 이미지 데이터의 부족 문제를 해결하기 위해 Stable Diffusion 기반 Inpainting과 ControlNet 조건부 합성을 결합한 고품질 합성 데이터 생성 파이프라인을 제안한다. 객체의 형태는 그대로 유지하되 배경만 재구성하여 합성 이미지를 확보하고, 실제·합성 데이터를 단계적으로 융합하여 활용하였다. 실험 결과, YOLOv8 모델의 mAP(0.5:0.95)는 베이스라인(58.4%) 대비 합성 데이터 추가 시 60.4%로, 합성 적용 전략 최적화 시 65.6%로 7.2% 향상되었다. 이러한 성능 개선은 Diffusion 기반 합성 데이터가 군용 차량 탐지 모델의 일반화 능력을 효과적으로 강화함을 입증하며, 본 기법은 데이터 부족 및 도메인 간 격차 문제를 겪는 다양한 객체 탐지 과제에 대한 새로운 해결책을 제시한다.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-25-02-093537868