아카이브8000만

<통일·북한 정보 아카이브>

Total 0회

전체메뉴

통합검색

HOME
통합검색

아카이브 8000만
외부검색

학술자료

더보기

[학술논문] 대공감시체계 발전을 위한 객체 인식 기술 연구: 퓨샷러닝과 <em>연합</em><em>학습</em>의 통합을 중심으로

...learning)과 <em>연합</em> <em>학습</em>(federated learning)을 통합한 공중 객체 인식 기법을 제안한다. 퓨삿 러닝 알고리즘은 적은 양의 데이터로도 효과적인 학습과 추론이 가능하므로, 공중 감시에서의 데이터 부족 문제에 적합하다. 본 연구에서는 제안한 모델의 일반화 성능을 기존의 감독 학습 기반 모델과 비교하였다. <em>연합</em> <em>학습</em>은 분산형 기계 학습의 일종으로, 다양한 작전 환경을 가진 감시 부대를 개별 클라이언트로 모의함으로써 데이터 프라이버시를 보호하고 네트워크 부하를 줄이면서도 일관된 모델 성능을 가능하게 한다. 대공감시분야를 기존의 지도 학습 모델로 구현 시에는 보지 못한 클래스에 대한 추론에서 어려움이 발생한다. 그러나 퓨삿 러닝을 적용한 모델은 49.86%의 일반화 성능을 달성하였다. 더불어, <em>연합</em> <em>학습</em> 시스템...

기획사업
뉴스
단행본
학술자료

기획사업

더보기

검색 결과가 없습니다.

뉴스

더보기

검색 결과가 없습니다.

단행본

더보기

검색 결과가 없습니다.

학술자료

더보기

[학술논문] 대공감시체계 발전을 위한 객체 인식 기술 연구: 퓨샷러닝과 연합학습의 통합을 중심으로

...learning)과 연합 학습(federated learning)을 통합한 공중 객체 인식 기법을 제안한다. 퓨삿 러닝 알고리즘은 적은 양의 데이터로도 효과적인 학습과 추론이 가능하므로, 공중 감시에서의 데이터 부족 문제에 적합하다. 본 연구에서는 제안한 모델의 일반화 성능을 기존의 감독 학습 기반 모델과 비교하였다. 연합 학습은 분산형 기계 학습의 일종으로, 다양한 작전 환경을 가진 감시 부대를 개별 클라이언트로 모의함으로써 데이터 프라이버시를 보호하고 네트워크 부하를 줄이면서도 일관된 모델 성능을 가능하게 한다. 대공감시분야를 기존의 지도 학습 모델로 구현 시에는 보지 못한 클래스에 대한 추론에서 어려움이 발생한다. 그러나 퓨삿 러닝을 적용한 모델은 49.86%의 일반화 성능을 달성하였다. 더불어, 연합 학습 시스템...

#객체 인식 #대공감시체계 #퓨샷러닝 #연합학습 #이승준, 문호석

서울특별시 중구 세종대로21길 52, 8층 ｜ 대표전화 : 02-739-7558~60
재단 공식 메일: unikorea@tongilnanum.com

(c) 2024. 재단법인 통일과나눔 All Rights Reserved.
Only Non-commercial, Non-Derivative, Non-Redistribution use is allowed.