CNN·RNN 기반 연구 정보 분류와 컴퓨터비전 객체·생체 신뢰성 인식

CNN·RNN-Based Research Information Classification and Computer Vision for Object and Liveness Recognition

연구 내용

Word2Vec 임베딩과 CNN·RNN 조합을 활용해 연구 논문을 분류·추천하고, 객체 검출 및 지문 라이버니스 판별에서 성능을 높이는 모델 설계 연구

자연어와 시각 데이터를 함께 다루는 딥러닝 모델을 설계합니다. 연구 논문 분류에서는 Word2Vec 기반 임베딩을 활용하고, LSTM·GRU 및 양방향 구조에 CNN을 결합해 비선형 관계를 안정적으로 학습하는 구조를 구성합니다. 또한 YOLOv8n을 기반으로 흡연 관련 객체를 자동 라벨링 및 최적화 비교를 통해 고도화하며, 지문 라이버니스에서는 특징 융합을 단계적으로 수행하는 CNN 기반 구조로 위변조에 강건한 판별 성능을 목표로 합니다. 데이터 전처리와 모델 아키텍처 설계를 함께 고려한다는 차별성이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 연구 문헌의 자동 분류를 목표로 Word2Vec 임베딩과 LSTM·GRU 계열을 결합하고, CNN을 상위 특징 추출 경로로 연결한 분류 모델을 구성했습니다. 이후 컴퓨터비전 응용으로 확장하여 YOLOv8n 기반 흡연 행동 인식에서 자동 라벨링 절차와 옵티마이저 조합이 성능에 미치는 영향을 비교했습니다. 최근에는 지문 라이버니스 판별로 범위를 넓히고, 계단형 특징 융합 구조를 통해 다중 특징을 단계적으로 결합하는 방향으로 연구를 수행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

연구 논문 자동 분류
연구 추천 시스템
문헌 기반 지식 탐색
자동 라벨링 파이프라인
YOLO 기반 객체 검출
행동 인식 데이터셋 구축
지문 라이버니스 검증
특징 융합 모델 설계
경량 모델 추론 최적화
모델 성능 비교 프레임워크