상세 보기
확장 합성곱 신경망과 자기 지도 순환 적대적 생성 신경망을 이용한 안개 제거 네트워크
Unpaired Image Dehazing Network using smoothed Dilated Convolution Network and Self-Supervised CycleGAN
- 이수동;
- 황선희;
- 최영우;
- 변혜란
Citations
WEB OF SCIENCE
0Citations
SCOPUS
0초록
C/C++의 타입 캐스팅은 취약점을 유발하며 프로그램의 안정성을 저하시킨다. 이를 보완하기 위해 C++에서는 실행 중 객체의 타입을 확인하여 캐스팅하는 dynamic_cast를 지원하지만, 안전성이 높아지는 대신 실행 속도가 느려진다는 단점이 있다. 이러한 이유로 절충안인 런타임 오버헤드가 적은 static_cast가 사용된다. 그러나 static_cast는 컴파일시에 알려진 타입으로만 캐스팅을 제한하는 방법으로서, 취약점이 여전히 존재한다. 본 논문에서는 프로그램 재작성과 타입 시스템을 활용하여 기존의 C++ static_cast를 보완하여 런타임 오버헤드가 적으면서도 개발 단계에서 좀 더 안전한 코딩을 할 수 있도록 유도하는 방법을 제안한다.
키워드
안개 제거; 순환 적대적 생성 신경망; 자기 지도 학습; 회전 손실 함수; 지각적 손실 함수; 확장합성곱 신경망; dehazing; cyclegan; self-supervised learning; rotation loss; perceptual loss; smoothed dilated convolution
- 제목
- 확장 합성곱 신경망과 자기 지도 순환 적대적 생성 신경망을 이용한 안개 제거 네트워크
- 제목 (타언어)
- Unpaired Image Dehazing Network using smoothed Dilated Convolution Network and Self-Supervised CycleGAN
- 저자
- 이수동; 황선희; 최영우; 변혜란
- 발행일
- 2020-02
- 권
- 26
- 호
- 2
- 페이지
- 104 ~ 109