본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

국문초록

목차

제1장 서론 9

제2장 관련 연구 12

2.1. 포인트 클라우드에서의 딥 모델 활용 12

2.2. 2D 이미지에서의 비지도 도메인 적응 방법 14

2.3. 2D 이미지에서의 자기 지도 학습 방법 15

2.4. 포인트 클라우드에서의 비지도 도메인 적응 방법 16

2.5. 포인트 클라우드에서의 자기 지도 학습 방법 17

제3장 포인트 클라우드 도메인 적응 방법 제안 18

3.1. 포인트 클라우드 도메인 적응 방법 배경지식 19

3.1.1. 포인트 클라우드 분류에서의 도메인 적응 방법 연구 19

3.1.2. 자기 주도적 학습을 통한 도메인 적응 20

3.1.3. 자기 지도 학습을 통한 도메인 적응 22

3.1.4. 재활용 최대 풀링 모듈 23

3.2. 재활용 최대 풀링 모듈을 이용한 자기 주도적 학습 방법 24

3.2.1. 재활용 최대 풀링을 활용한 소스 도메인에서의 지도 학습 26

3.2.2. 기존 의사 레이블 생성방식의 문제점 26

3.2.3. 재활용 최대 풀링을 활용한 투표 방식의 의사 레이블 생성 27

3.3. 절단면 예측 자기 지도 학습을 통한 도메인 적응 방법 28

제4장 실험 32

4.1. 데이터셋 32

4.2. 실험 설정 36

4.3. 실험 결과 37

4.3.1. 조건 제거 실험 37

4.3.2. 기존 방법과 비교 실험 39

4.3.3. 추가 실험 42

제5장 결론 44

참고문헌 45

ABSTRACT 53

표목차

표 4.1. PointDA-10 데이터셋의 특성과 구성 33

표 4.2. M10 → S*10와 S10 → S*10 시나리오 조건 제거 실험 정확도 38

표 4.3. 기존 포인트 클라우드 도메인 적응 방법과 정확도(%) 비교 41

표 4.4. M10 → S*10 시나리오 의사 레이블 생성 임곗값 변경 실험 정확도 43

표 4.5. M10 → S*10 시나리오 재활용 최대 풀링 횟수 변경 실험 정확도 43

표 4.6. M10 → S*10 시나리오 절단면 각도 회전 실험 정확도 43

그림목차

그림 2.1. 관련 연구 분류표 12

그림 3.1. 제안된 포인트 클라우드 도메인 적응 방법 흐름도 18

그림 3.2. 제안된 포인트 클라우드 도메인 적응 방법의 상세 도식 25

그림 3.3. 재활용 최대 풀링 모듈을 활용한 의사 레이블 투표 과정 27

그림 3.4. 포인트 클라우드 절단면 예측을 위한 포인트 클라우드 생성과정. (a) 원본 포인트 클라우드. (b) x-z 방향으로 절단된 포인트 클라우드. (c) y-z 방향으로... 29

그림 4.1. 포인트 클라우드 도메인 적응 실험 데이터셋 구성 32

그림 4.2. PointDA-10과 Sim-to-Real의 카테고리별 포인트 클라우드 예시 사진 35

그림 4.3. M10 → S*10 시나리오에서의 학습 손실 그래프 37

그림 4.4. ScanObjectNN 데이터셋에서 특징이 비슷하게 나타나는 물체 예시. (a) 캐비닛. (b) 문. (c) 침대. (d) 책상 41

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차