초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

객체 탐지 기술은 컴퓨터 비전 분야의 핵심 연구 주제 중 하나로, 이미지 검색, 보안 그리고 기계 검사 등 광범위한 산업에서 널리 사용되고 있다. 하지만 객체의 식별이 용이한 주간 이미지에 대해서는 다양한 연구가 활발하게 이루어지고 있는 것에 비해, 야간 이미지에 대한 객체 탐지 연구는 상대적으로 덜 주목받아 왔다. 야간 이미지의 경우 조명, 날씨 등 다양한 잡음 요인들이 이미지 품질의 저하를 야기하므로, 객체 탐지 성능 향상을 위해서는 이러한 잡음의 제거를 위한 적절한 처리가 선행되어야 한다. 이에 특정 잡음의 제거를 위해 많은 연구들이 수행되었지만, 하나가 아닌 다중 잡음을 어떤 방식으로, 그리고 어떤 순서로 제거하는 것이 효과적인지 파악하기 위한 연구는 매우 부족한 실정이다.
이에 본 연구에서는 야간 이미지 객체 탐지 성능을 높이기 위해, 디노이징 ...

객체 탐지 기술은 컴퓨터 비전 분야의 핵심 연구 주제 중 하나로, 이미지 검색, 보안 그리고 기계 검사 등 광범위한 산업에서 널리 사용되고 있다. 하지만 객체의 식별이 용이한 주간 이미지에 대해서는 다양한 연구가 활발하게 이루어지고 있는 것에 비해, 야간 이미지에 대한 객체 탐지 연구는 상대적으로 덜 주목받아 왔다. 야간 이미지의 경우 조명, 날씨 등 다양한 잡음 요인들이 이미지 품질의 저하를 야기하므로, 객체 탐지 성능 향상을 위해서는 이러한 잡음의 제거를 위한 적절한 처리가 선행되어야 한다. 이에 특정 잡음의 제거를 위해 많은 연구들이 수행되었지만, 하나가 아닌 다중 잡음을 어떤 방식으로, 그리고 어떤 순서로 제거하는 것이 효과적인지 파악하기 위한 연구는 매우 부족한 실정이다.
이에 본 연구에서는 야간 이미지 객체 탐지 성능을 높이기 위해, 디노이징 오토인코더를 통해 다양한 품질 저하 요소를 학습하고 이를 처리하기 위한 다양한 방안을 제시한다. ExDark 데이터셋을 사용하여 실험을 수행한 결과, 제안 방법론의 Sequential, Integrated, 그리고 Top One Filtering 순서로 mAP 측면의 성능이 높게 나타남을 확인하였다.

Abstract ▼ AI-Helper

Object detection, one of the core research topics in computer vision, is extensively used in various industrial activities. Although there have been many studies of daytime images where objects can be easily detected, there is relatively little research on nighttime images. In the case of nighttime,...

Object detection, one of the core research topics in computer vision, is extensively used in various industrial activities. Although there have been many studies of daytime images where objects can be easily detected, there is relatively little research on nighttime images. In the case of nighttime, various types of noises, such as darkness, haze, and light blur, deteriorate image quality. Thus, an appropriate process for removing noise must precede to improve object detection performance. Although there are many studies on removing individual noise, only a few studies handle multiple noises simultaneously.
In this paper, we propose a convolutional denoising autoencoder (CDAE)-based architecture trained on various types of noises. We also present various composing modules for each noise to improve object detection performance for night images. Using the exclusively dark (ExDark) Image dataset, experimental results show that the Sequential filtering architecture showed superior mean average precision(mAP) compared to other architectures.

주제어