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
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.5
- 수록면
- 1,383 - 1,389 (7page)
- DOI
- 10.9728/dcs.2026.27.5.1383
이용수
초록· 키워드
본 논문에서는 Unity 플랫폼 기반에서 시간적 패턴을 학습할 수 있는 인공지능 동작 인식 시스템을 제안한다. 이를 위하여 CNN과 RNN 모델의 장단점을 비교 분석하였으며, 두 모델의 강점을 결합한 경량 하이브리드 모델(Lightweight Hybrid Model)을 설계하였다. CNN은 이미지 데이터로부터 공간적 특징(Spatial Features)을 추출하는 데 우수한 성능을 보이며, RNN은 순차 데이터로부터 시간적 패턴(Temporal Patterns)을 학습하는 데 강점을 가지고 있다. 본 연구에서는 Depthwise Separable Convolution과 입력 시퀀스 최적화(Input Sequence Optimization)와 같은 경량화 기법을 적용하여 두 모델을 효과적으로 결합하였으며, 이를 통해 높은 정확도를 유지하면서도 실시간 처리 성능을 확보하였다. 실험 결과, 제안 모델은 기존 CNN, RNN 및 CNN-RNN 변형 모델 대비 Accuracy와 F1-score 측면에서 더 우수한 성능을 나타냈다. 또한 FPS(Frames Per Second)와 지연 시간(Latency) 측면에서도 실시간 처리 성능을 확보하였음을 확인하였다.
#동작 인식
#유니티
#경량 하이브리드 모델
#실시간 처리
#Motion Recognition
#Unity Platform
#Lightweight Hybrid Model
#Real-Time Processing
#CNN-RNN
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- Abstract
- Ⅰ. 서론
- Ⅱ. 관련 연구
- Ⅲ. 제안 방법
- Ⅳ. 실험 및 결과
- Ⅴ. 결론
- 참고문헌
참고문헌
참고문헌 신청최근 본 자료
