과제정보
이 논문은 2018년도 정부(교육부)의 재원으로 한 연구재단의 지원을 받아 수행된 기초연구사업임(No.NRF-2018R1D1A1B07048675)
한국정보통신학회:학술대회논문집 (Proceedings of the Korean Institute of Information and Commucation Sciences Conference)
- 한국정보통신학회 2022년도 추계학술대회
- /
- Pages.397-399
- /
- 2022
합성곱 신경망 네트워크 구조 변화에 따른 숫자 인식률 비교
Comparison of Number Recognition Rates According to Changes in Convolutional Neural Structure
- Lee, Jong-Chan (Mokwon University) ;
- Kim, Young-Hyun (Mokwon University) ;
- Song, Teuk-Seob (Mokwon University)
- 발행 : 2022.10.03
초록
딥러닝을 적용한 기술 중 숫자 인식으로 예를 들 수 있다. 숫자 인식을 통하여 여러 분야에서 활용이 되고 있다. 숫자 인식을 가능하게 한 알고리즘 중 합성곱 신경망이 있다. 합성곱 신경망은 다양한 데이터들을 인식하는 데 사용되고 있다. MNIST 숫자 데이터셋을 활용하여 합성곱 신경망 구현 과정 중 깊게 레이어층을 쌓을수록 성능향상을 기대해볼 수 있다. 본 논문에서는 합성곱 레이어를 추가함으로써 성능향상을 76.96%에서 98.87의 정확도가 산출되어 약 21.91%의 정확도가 향상됨을 확인하였다.
Digit recognition is one of the applications of deep learning, which appears in many fields. CNN network enables us to recognize handwritten digits. Also, It can process various types of data. As we stack more layers in CNN network, we expect more performance improvements. In this paper, we added a convolution layer. as a result, we achieved an accuracy improvement from 76.96% to 98.87%, which is a nearly 21.81% increase.