Faster R-CNN의 중심 Convolution Neural Network 모델이 훈련 및 추론에 미치는 영향에 대한 분석

국문 초록 (Abstract)

객체 탐지는 많은 인공지능 연구자들의 이목을 집중시키는 컴퓨터 비전 응용 기술이다. 로봇, 자율 주행, 검색 시스템 등의 영역에서 활용될 수 있는 주요한 기술로서, 주어진 이미지 데이터에서 훈련 대상이 된 객체를 탐지하는 기술이다. 최근 딥 러닝 기반 모델의 등장으로 객체 탐지에 특화된 다양한 모델들이 제안되었고, 그 중 우리는 Faster R-CNN이라는 모델을 분석 대상으로 선정하였다. Faster R-CNN은 기존의 R-CNN이라고 하는 초기 모델을 가속화하고 외부 툴에의 의존성을 제거하여 개량된 최신 모델이다. 본 논문에서는 Faster R-CNN의 중심 convolution neural network로서 사용할 수 있는 AlexNet과 ResNet을 이용해 훈련한 결과를 비교 분석하고, 뿐만 아니라 훈련에 미치는 다양한 요인들, 예컨대 네트워크 구조 및 크기 등에 관한 이슈에 대해 논의하고자 한다.

목차 (Table of Contents)

• Abstract
• 1. 서론
• 2. Faster R-CNN
• 3. Convolution Neural Network
• 4. 실험
• 5. 결론
• 7. 참조 문헌