선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 다양한 σ를 갖는 LoG 필터들에 의한 컨볼루션 결과들로 스케일 공간을 모델링한 것이다.
- 실제 영상에서는 차선 마킹의 폭과 위치가 정해져 있지 않으며, 그에 대한 사전 지식도 갖고 있지 않다. 영상에 나타나는 차선 마킹의 폭이 위치에 따라 다르므로, 특정 값이 아닌, 범위를 갖는 차선 마킹 폭을 검출할 수 있도록 영상을 다양한 스케일의 수평 1D LoG 필터링 스케일 공간으로 표현한다. 알고리듬은 다음과 같다:
- 이 논문에서는 기존 기법들과 달리, 실제 영상에서의 차선 마킹들의 폭이 특정 값이 아닌 범위를 가진다는 사실을 감안하고, 조명 등의 환경 영향을 줄이고, 동시에 검출된 객체에 관한 크기 정보를 제공함으로써 원하는 객체일 가능성을 높일 수 있는 스케일 공간 개념[19]을 이용하는 기법을 제안한다. 제안 기법에 의해 주요 기존 기법들에 비해 더 정확한 차선 마킹 검출 성능을 달성할 수 있었다.
- 이 논문에서는 컨볼루션의 특성을 이용해서 앞의 두 단계를 하나로 합쳐서, 다양한 σ 값으로 만든 LoG(Laplacian of Gaussian) 필터를 영상과 컨볼루션하여 스케일 공간을 생성한다.
- 수평 1D LoG 필터링 스케일 공간을 가변적 문턱처리와 결합함으로써 true positives의 감소가 거의 없이 false positives 영역을 기존 기법들에 비해 면적 대비 약 50～80% 이상을 축소할 수 있었다. 제안 기법은 본질적으로 저역통과 필터링 같은 전처리의 필요성을 배제시키며, 일반적으로 계산량이 많은 중수준 이상의 영상처리를 수행하지 않고도 1D 필터만에 의해 특정 폭 범위의 객체들만을 추출할 수 있는 장점을 제공한다. 또한, 단독으로 또는 기존 기법과 결합하여 사용될 수 있으며, 후자의 경우에도 본질적으로 낮은 해상도에서도 견고한 특성 때문에 입력 영상을 축소하여 다룰 수 있기 때문에 계산량은 오히려 기존 방식에서 보다 줄어들 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.