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
저전력 환경에서 객체 탐지 모델을 배포하기 위해 재학습 없는 8비트 양자화가 활용되지만, 캘리브레이션 데이터가 입력 특성을 대표하지 못하면 성능 저하가 발생할 수 있다. 기존 연구는 활성 값 통계 기반 샘플 선택이나 객체 크기 가중 학습을 다뤘으나, 캘리브레이션 데이터의 객체 크기 분포 영향은 충분히 규명하지 못했다. 이 연구는 COCO 2017과 YOLO26 계열 모델을 사용해 무작위 기준, 큰 객체 중심, 작은 객체 중심, 균형 조건의 캘리브레이션 데이터를 비교하였다. 실험 결과 큰 객체 중심 조건은 중간 객체 성능을, 작은 객체중심 조건은 큰 객체 성능을 주로 낮췄고, 균형 조건은 기준선 주변의 제한적인 변화를 보였다. 이 연구는 캘리브레이션 객체 크기 분포가 특정 객체 탐지 성능에 영향을 미칠 수 있음을 정량적 근거를 통해 제시한다.
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
