딥러닝 유사도 기반 현품 영상과 도면 영상의 1:1 매칭 방법Deep Learning Similarity-based 1:1 Matching Method for Real Product Image and Drawing Image
- Other Titles
- Deep Learning Similarity-based 1:1 Matching Method for Real Product Image and Drawing Image
- Authors
- Han, Gi Tae
- Issue Date
- Dec-2022
- Publisher
- 한국컴퓨터정보학회
- Keywords
- Deep Learning; CNN(Convolutional Neural Network); Drawing Image; Real Product Image; Siamese Network; 1:1 Verification; 심층학습; 합성인공신경망; 도면 영상; 현품 영상; 샴신경망; 1:1 검증
- Citation
- 한국컴퓨터정보학회논문지, v.27, no.12, pp.59 - 68
- Journal Title
- 한국컴퓨터정보학회논문지
- Volume
- 27
- Number
- 12
- Start Page
- 59
- End Page
- 68
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/86381
- DOI
- 10.9708/jksci.2022.27.12.059
- ISSN
- 1598-849X
- Abstract
- 본 논문은 주어진 현품 영상과 도면 영상의 유사도를 비교하여 1:1 검증을 위한 방법을 제시한 것으로, CNN(Convolutional Neural Network) 기반의 딥러닝 모델을 두 개로 결합하여 Siamese Net을 구성하고현품 영상과 도면 영상(정면도, 좌우 측면도, 평면도 등)을 같은 제품이면 1로 다른 제품이면 0으로학습하며, 추론은 현품 영상과 도면 영상을 쌍으로 질의하여 해당 쌍이 같은 제품인지 아닌지를 판별하는 딥러닝 모델을 제안한다. 현품 영상과 도면 영상과의 유사도가 문턱 값(Threshold: 0.5) 이상이면동일한 제품이고, 문턱 값 미만이면 다른 제품이라고 판별한다. 본 연구에서는 질의 쌍으로 동일제품의현품 영상과 도면 영상이 주어졌을 때(긍정 : 긍정) “동일제품”으로 판별할 정확도는 약 71.8%로 나타났고, 질의 쌍으로 다른 현품 영상과 도면 영상이 주어졌을 때(긍정: 부정) “다른제품”으로 판별할 정확도는 약 83..1%를 나타내었다. 향후 제안한 모델에 파라미터 최적화 연구를 접목하고 데이터 정제 등의과정을 추가하여 현품 영상과 도면 영상의 매칭 정확도를 높이는 연구를 진행할 예정이다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - IT융합대학 > 컴퓨터공학과 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/86381)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.