Initial recognition process study for AI digital image recognition :

허수영

추천

검색

자료유형: 학위논문

저자정보: 허수영 (한세대학교, 한세대학교 일반대학원)

지도교수: Sun-Jib Kim

발행연도: 2024

저작권: 한세대학교 논문은 저작권에 의해 보호받습니다.

이용수0

초록· 키워드

본 논문의 목적은 인공지능이 인간의 지능을 모사한다는 생각에 기초한
인간 인식 시스템을 고찰하고, 사고하는 뇌 기능의 특성인 자율신경계의
정보처리와 신체를 제어하는 뇌의 기능 간의 관계를 살펴보고 초기인식을
표현하는 모델을 제시하고 실험결과를 해석하는 것이다. 본 논문에서는 인
간 인식을 고찰하여 초기 인식과 세부 인식을 구분하고 기존 인식을 이해
하는 방법을 제시한다. 또한 이러한 초기 인식과 세부 인식의 특성을 표현
할 수 있는 관련 연구들을 간략히 살펴본다. 이는 본 논문의 목적이 인간
인식을 초기 인식과 세부 인식으로 구분할 때, 이러한 구분은 인간 지능을
모사하는 인공지능에서도 별개의 개념이며, 서로 다른 인식 알고리즘이 필
요하기 때문이다. 이러한 경우 초기 인식의 개념을 실험적으로 표현할 수
있는 여러 모델에 대한 알고리즘을 제시하고, MATLAB 공간에 의한 테스
트를 통해 각 모델이 랜덤하게 생성된 샘플로 다중 데이터 집합을 인식할
가능성을 검토하고 실제 이미지 샘플을 제공하여 실험 알고리즘의 처리결
과를 확인했다. 또한 각 모델의 처리 속도를 평가하기 위해 처리 속도에
따른 모델의 상대적 처리 속도에 대한 비교 방안을 제시하여 모델이 초기
인식을 구현하기에 적합한 방법이 무엇인지 알아보고자 하였다. 본 논문의
연구 과정을 통해 초기 인식에 대한 새로운 용어(''Incongnition'')를 정립하
고 기존의 인식이라는 용어와 구별하고자 시도하였다.

#initial recognition #digital image #recognition #incognition #artificial intelligence

List of Contents
I. Introduction 1
1. Background and context1
1.1. AI and Nerve systems4
2. Research problem7
2.1. Does AI need pre-training for new objects always? 7
3. Purpose of the study7
3.1. Define Conceptual initial reognition 7
3.2. Define detailed recognition 9
3.3. Define Conceptual combining 10
3.4. Implementation of initial recognition Model in AI 11
4. Scope and limitations12
5. Significance and potential contribution 13
6. Definition of Terms14
6.1. the initial recognition 14
6.2. The detailed recognition 15
6.3. Tag Table to combine two recognition systems 15
Ⅱ. Literature review 17
1. Introduction17
1.1. Image recognition in AI 17
1.2. The history of artificial intelligence 18
1.3. The history of computers based human nervous system 20
2. Search strategy 21
3. Summary of existing research 21
3.1. Human brain structures 21
3.2. Similarity of Initial recognition and hypothalamus in the human
brain 22
3.3. The hypothalamus in brain performs initial recognition-like
action 23
4. Identification of gaps 24
4.1. No attention in initial recognition part in AI 24
5. Theoretical framework 26
5.1. Explicit memory and implicit memory26
5.2. Dual process in recognition in the articles27
5.3. Recognition memory and working memory 28
5.4. Fast and Slow in dual process 30
5.5. Compounding eyes and responsive image recognition 31
5.6. Digital image recognition34
5.7. Digital Image treatment and recognition 39
5.8. Considerations for Making the Initial Recognition Models 43
6. Conclusion 54
Ⅲ. Methods 56
1. Current learning models related to fast learning.56
1.1. META Learing of Recurrent Independent Mechanisms 56
1.2. Pre-trained models currently dominated AI 57
1.3. Fast and Slow Learning of Recurrent Independent Mechanisms 57
1.4. Proposed Initial recognition basic model 58
2. Samples in initial recognition Models59
3. Data generating methods 60
3.1. Tangent value method of XY axes 60
3.2. Correlation value of XY axes82
4. Data analysis methods 106
4.1. Data classification in Models 106
4.1.1. Classifying data sets by histogram of models 106
4.2. Performance Speed Rate of Models109
4.2.1. Single Calculation Speed for Models 110
4.2.2. Multiple Calculation Speed for Models 111
4.2.3. Multiple calculation speed for Models comparison 119
Ⅳ. Results 121
1. Introduction 121
2. Data analysis 121
2.1. Tangent value table of XY axes (30 data sets) 122
2.2. Correlation value table of XY axes (30 data sets)123
2.3. Speed rate of Models129
3. Findings 134
4. Limitations135
5. Conclusions 135
V. Discussion and Conclusions 137
1. Introduction 137
2. Interpretation of the results of models 138
2.1. Evaluation of classifying data sets by models138
2.2. Evaluation of data sets by computing process times143
3. Main conclusions148
3.1. Two asked questions for the initial recognition 148
3.2. Classify the dataset and time-consuming rates 150
4. Recommendation for future research152
4.1. Initial recognition values and original images 152
4.2. In tagging tables for automatic responses 153
4.3. An initial recognizing method and reinforcing learning 154
5. Contribution to the field 155
5.1. For vacant field in current AI155
5.2. Combines details recognition ''Incognition'' and ''Recognition’ 156
References 160
Korean Abstract 176

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)