들어가기 전객체 분류 : 이미지 내의 객체를 식별하고 미리 정의된 클래스로 분류하는 것을 목표로 하는 작업일반적으로 머신 러닝 기술을 사용하여 수행, 모델은 레이블이 지정된 이미지 데이터 세트와 연관된 클래스 레이블에 대해 학습이후, 학습된 모델을 사용하여 학습된 특징을 기반으로 클래스 레이블을 지정하여 새 이미지 분류.Ex) 교통 표지판 인식 , 이미지에서 식물 유형 식별 등 객체 감지 : 입력 이미지 내에서 사전에 특정 정의된 클래스의 객체를 식별하고 찾는 컴퓨터 비전 작업객체 감지를 위해 R-CNN, Faster R-CNN, YOLO, SSD와 같은 여러 알고리즘과 모델 개발.이용 분야 : 자율 주행 자동차, 감시 시스템, 객체 추적 등 지역 기반 CNNCNN을 사용하여 이미지에서 객체를 감지하는 ..

Abstract이 연구는 CNN(Convolution Neural Network)와 고급 데이터 분석 기술을 결합한 새로운 시스템을 제안. 연구 목적 : 개인화된 약물 추천과 함께 결막염의 시기 적절하고, 정확한 검출은 효과적인 치료를 위해 매우 중요함. 해결방안제시 ->이 연구에서, 우리는 이 문제를 해결하기 위해 컨볼루션 신경망(CNN)과 고급 데이터 분석 기술을 결합한 새로운 시스템을 제안합니다 목표 -> 1. 결막염 감지           2. 검출된 결막염 상태에 따라 개인화된 약물 권장 사향 제공 1.눈의 디지털 이미지를 분석하여 정상인지 결막염인지를 분류 할 수 있도록 CNN 아키텍처를 사용 (아마 CNN의 filter기능을 통해 결막염을 분석한 부분이 나올 수도 있을 것 같음) CNN 모델..