위험시설 침입 탐지를 위한 생성모델을 사용한 데이터 증강 :Data Augmentation Using Generative Model for Intrusion Detection

이수형

자료유형: 학위논문

저자정보: 이수형 (한국교통대학교, 한국교통대학교 일반대학원)

지도교수: 이희성

발행연도: 2023

저작권: 한국교통대학교 논문은 저작권에 의해 보호받습니다.

이용수1

초록· 키워드

본 연구는 딥러닝 기반의 철도 선로 침입 탐지 시스템의 성능 향상을 위
한 연구이다. 딥러닝 기반의 시스템 개발에는 충분한 양의 데이터가 필요하
다. 하지만 선로에 사람이 침입한 영상 데이터는 임의로 수집하는 것에 한
계점이 존재하기 때문에 데이터의 부족과 불균형으로 성능이 저하된다. 본
연구의 목적은 생성모델을 학습하여 원본 데이터와 유사한 선로 침입 데이
터를 생성하고, 이를 딥러닝 기반의 탐지 시스템의 학습에 사용하여 정확도
를 향상하는 방법을 제안한다.
본 논문에서는 저자가 연구한 생성모델을 사용한 영상 데이터 증강에 대
해 살펴보고, 제안하는 데이터 증강 법이 딥러닝 기반의 판별 시스템의 정
확도 향상에 기여함을 실험을 통해 확인할 수 있다.

#AI #생성모델 #영상처리

Ⅰ. 서론 1
1.1 연구 배경 및 목적 1
1.2 연구 내용 및 범위 2
II. 관련 연구 3
2.1 딥러닝 기반의 선로 침입 탐지 3
2.2 선로 침입 판별 네트워크 4
2.3 생성모델 기반의 데이터 증강 13
III. 제안하는 생성모델 기반의 데이터 증강 14
3.1 개요 14
3.2 Pix2Pix 16
3.3 Diffusion 17
IV. 실험 결과 21
4.1 데이터셋 21
4.2 판별 모델 비교 23
4.3 Pix2Pix 결과 25
4.4 Diffusion 결과 26
V. 결 론 30
참고문헌 31
Abstract 35

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)