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.
피인용 0
초록·키워드
객체탐지 성능평가는 학습집합과 검증집합의 충분한 독립성을 전제로 하지만, 영상 프레임 기반 데이터에서는 유사 장면이 서로 다른 분할에 포함될 수 있다. 본 연구는 이를 학습–검증 시각적 종속성(train–validation visual dependence)으로 정의하고, 공개 Medical Pills 데이터셋 115장과 2,022개 GT 객체를 대상으로 평가 신뢰성을 감사하였다. 전체 6,555개 영상쌍을 분석한 결과 장거리 시각적 재현이 확인되었으며, Official split의 평균 교차분할 GT-box-region correlation은 0.0913이었지만 validation image별 nearest-training correlation 중앙값은 0.8262였다. 모델 성능정보와 독립적으로 구성한 Minimum-dependence split에서는 두 값이 각각 0.0427과 0.2714로 감소하였다. 초기 3-seed YOLO11n 비교에서 mAP@0.5:0.95의 Official−Minimum 평균차는 +0.0086이었으나 두 검증집합의 조성이 달라 독립적인 종속성 효과로 해석할 수 없었다. 이에 동일 검증영상을 사용하는 5-fold × 2-condition × 5-seed 통제실험 50회를 추가하고 115장 pooled out-of-fold mAP@0.5:0.95를 평가하였다. 고종속 조건은 5개 seed 중 4개에서 높았으나 평균차는 +0.00118, 95% 신뢰구간은 − 0.00230~+0.00466으로 초기 차이의 크기는 재현되지 않았다. 따라서 확정적 성능효과를 주장할 수는 없지만, 실험결과는 명목적 데이터 분리만으로 평가 독립성을 가정하기보다 split 구조와 sample-level dependence를 함께 감사하는 것이 객체탐지 성능값의 해석 신뢰성을 높이는 데 중요함을 보여준다.
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
