디지털 라이브러리[ 검색결과 ]
Automatic Transformation of Korean Fonts using Unbalanced U-net and Generative Adversarial Networks
Pangjia, Seunghyun Ko, Yang Fang, Geun-sik Jo
http://doi.org/10.5626/JOK.2019.46.1.15
본 논문에서는 원문 폰트를 특정한 아날로그 폰트 스타일로 변환하는 타이포그래피 변환 문제에 대해 연구한다. 타이포그래피 변환 문제를 해결하기 위해 이 문제를 이미지와 이미지 번역 문제로 치환하고 GAN을 기반으로 한 언밸런스 형 u-net 아키텍처를 제안한다. 기존의 밸런스 형 u-net과는 달리 제안하는 아키텍처는 언밸런스 형 u-net을 포함한 두 개의 서브넷으로 구성된다. (1)언밸런스 형 u-net은의미 및 구조 정보를 유지하면서 특정 글꼴 스타일을 다른 스타일로 변환한다. (2) GAN은 L1 손실, 상수손실 및 원하는 목표 글꼴을 생성하는 데 도움이 되는 이진 GAN 손실을 포함하는 복합 손실 함수를 사용한다. 실험결과 제안하는 모델인 언밸런스 형 u-net이 밸런스 형 u-net 보다 cheat loss에서 빠른 수렴속도와 안정적인 트레이닝 손실을 보였고 generate loss에서 트레이닝 손실을 안정적으로 줄여서 모델 성능 하락 문제를 해결하였다.
Backbone Network for Object Detection with Multiple Dilated Convolutions and Feature Summation
Vani Natalia Kuntjono, Seunghyun Ko, Yang Fang, Geunsik Jo
http://doi.org/10.5626/JOK.2018.45.8.786
컨볼루션 뉴럴 네트워크의 발전으로 인해 객체 탐지, 이미지 세분화 및 객체 분류 분야에서도 100개 이상의 컨볼루션 레이어를 사용하는 Deep CNN을 사용하는 추세로 이어지고 있다. 그러나 Deep CNN을 사용하기 위해 많은 그래픽 메모리가 필요하며 제한된 자원이나 실시간 객체 탐지를 원하는 사람들에게는 이런 Deep CNN이 적합하지 않다. 본 논문에서는 배수 팽창된 컨볼루션과 특징합계 기반의 객체 탐지를 위한 새로운 백본 네트워크를 제안한다. 특징합계는 그래디언트를 쉽게 전달하고 컨볼빙으로 인해 발생하는 공간 정보의 손실을 최소화한다. 그리고 팽창된 컨볼루션을 사용함으로써 변수를 추가하지 않고도 개별 뉴런의 수용 영역을 넓힐 수 있다. 또한, Deep하지 않은 뉴럴 네트워크를 백본으로 사용함으로써 제한된 자원으로 이미지넷 데이터 세트에서 사전 교육을 하지 않더라도 제안하는 네트워크를 사용할 수 있다. Pascal VOC 및 MS COCO 데이터를 사용한 실험 결과 제안된 네트워크는 각각 71%와 38.2%의 정확도를 보였다.
