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.
문제 정의
- 따라서 본장에서는 기존에 연구되었던 사람 검출 방법을 설명하고 이동-가변적인 사람 객체, 방해물이 있는 배경 등에 강인한 결과를 보이는 다양한 사람 검출 연구들을 분석하여 문제점 및 개선 방향을 제시한다. 그리고 본 논문에서 제안하는 방법 및 사람 추적 시스템의 구조에 대하여 설명한다.
- 또한 신경망 시뮬레이터로 거의 폭넓게 사용된 회선 신경망의 구현의 부족함 등이 있었는데 이러한 것들은 다른 분류기에 비해서 회선 신경망을 조직적으로 연구하는 그룹들이 적었기 때문이다[7]. 따라서, 본 논문에서는 최근 사람 검출 시스템에서 가장 범용적인 분류기인 SVM과 잘 제어된 회선 신경망의 성능 비교 결과를 제안한다.
- 마지막으로, 분류 단계는 사람 모양과 일치하는 후보들의 집합 안에 있는 영역들을 식별하는 것을 목표로 한다. 분류기는 주어진 영역과 관련된 특징 벡터를 입력으로 받아들이고, 전형적으로 그러한 영역이 사람을 포함하는 영역인지 아닌지를 가리키는 이진 레이블을 산출한다.
- 실험에서는 회선 신경망에 대한 최대 마진 학습의 중요성을 평가하고 또한 서로 다른 특징 표현을 이용하는 SVM 분류기와 비교한다. 본 논문에서는 다양하게 변화하는 실시간 동영상에 대하여 제안하는 회선신경망 추적기에 대하여 실험을 진행하였다. 실험은 서로 다른 환경하에서 강인함과 알고리즘의 몇 가지 요소의 성능을 평가하기 위하여 설계된 두 부분으로 나뉘어진다.
- 본 논문에서는 사람 검출 시스템에서 분류기로서 회선 신경망의 사용을 제안하고 평가하였다. 실험 결과로부터 가장 중요한 결론은 검출 작업에 자동적으로 최적화된 좋은 특징들이 높은 정확도의 검출을 위하여 필수적 이라는 것이다.
- 본 논문에서는 실시간 영상에 대하여 회선 신경망 기술이 기존의 SVM과 비교하여 더 우수한 검출 정확성을 나타낸다는 것을 보인다. 회선 신경망 기술이 기존의 연구들에서 정면 사람 검출에 대하여 성공적으로 수행되었는데, 이것은 변화가 심한 자연 환경에서 윤곽선 정보를 필요로 하는 객체 검출을 위한 응용에 대한 뛰어난 기술이다.
- 추적에 있어서 기존의 회선신경망 적용의 방해 요소는 인식이나 검출 작업에는 적합하지만 추적 작업에는 부적당한 이동-불변적인 구조를 가지고 있다는 것이다[11]. 본 논문에서는 이동-가변적인 구조를 가지는 회선신경망 추적기를 설계하고 구현한다. 그러한 구조는 회선신경망 모델이 검출기로부터 추적기로 전환되도록 하는 핵심 역할을 수행한다.
- 회선 신경망 기술이 기존의 연구들에서 정면 사람 검출에 대하여 성공적으로 수행되었는데, 이것은 변화가 심한 자연 환경에서 윤곽선 정보를 필요로 하는 객체 검출을 위한 응용에 대한 뛰어난 기술이다. 본 논문에서는 학습 과정에 있어서 회선 신경망과 SVM의 두드러진 차이점을 적용함에 의하여 회선 신경망의 일반화 능력을 향상시키는 방법을 제안하고 회선 신경망에 의해 추출된 특징을 가지고 SVM을 훈련시킴으로써 회선 신경망과 SVM의 본질적 결합을 평가한다. 이러한 융합적 SVM의 정확성이 기본 회선 신경망의 정확성보다 더 높을 지라도 그것은 단지 정규화 된 회선 신경망의 정확성과 거의 일치한다[8].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.