최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.54 no.2 = no.471, 2017년, pp.115 - 122
전태재 (연세대학교 전기전자공학과) , 이상윤 (연세대학교 전기전자공학과)
본 논문은 딥러닝 알고리즘을 기반으로 하여 시각장애인을 위한 표지판을 검출하고 인식하는 시스템을 제안한다. 제안된 시스템은 크게 표지판 검출 단계와 표지판 인식 단계로 나눠지는데 표지판 검출 단계에서는 영상에서 응집 채널 특징을 추출한 뒤 아다부스트 분류기를 적용하여 표지판 관심영역을 검출하였고, 표지판 인식 단계에서는 검출한 표지판 관심영역들에 합성곱 신경망을 적용하여 어떤 표지판인지 인식하였다. 본 논문에서는 미검출된 표지판의 개수가 최대한 감소하도록 아다부스트 분류기를 설계하였고, 딥러닝 알고리즘을 사용하여 인식 정확도를 높임으로써 검출 단계에서 발생한 양성 오류들을 제거시켰다. 실험 결과, 제안된 방법의 양성 오류 개수가 다른 방법들의 양성 오류 개수보다 효과적으로 감소했음을 확인하였다.
This paper proposes a deep learning algorithm based sign detection and recognition system for the blind. The proposed system is composed of sign detection stage and sign recognition stage. In the sign detection stage, aggregated channel features are extracted and AdaBoost classifier is applied to de...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
교통표지판 검출 및 인식에 관한 연구 방법 중 특정 색상을 추출한 뒤 활용하는 방법이란 무엇인가? | 교통표지판 검출 및 인식에 관한 기존의 연구 방법들 중에 많은 비중을 차지하는 방법 중 하나가 특정 색상을 추출한 뒤 활용하는 방법이다. 이 방법은 교통표지판의 테두리나 전체 색상이 빨간색, 파란색이라는 정보를 이용하여 빨간색, 파란색의 색상 영역을 추출한 뒤 해당 영역에서 검출 및 인식을 수행하는 방법이다. 관련 연구로는 교통표지판의 색정보와 수직면 특징을 이용하여 표지판 후보군을 검출한 뒤 교통표지판 패턴에 부합하는 다양한 특징 원형들과 아다부스트 분류기 (AdaBoost classifier)를 통해 검출 및 인식하는 방법[1] , 교통표지판 영상들로부터 생성한 HSI 고유칼라 모델을 이용하여 표지판 후보 영역을 검출한 뒤 불변 모멘트 특징 정보와 서포트 벡터 머신(Support Vector Machine) 을 통해 검출 및 인식하는 방법[2] , 교통표지판의 색상과 색상 윤곽선을 추출한 뒤 투표 기법을 이용하여 교통표 지판의 형태를 계산하여 스코어 맵들(score maps)을 생성한 후 이 스코어맵들을 이용하여 서포트 벡터 머신을 학습하는 방법[3] 등이 있다. | |
교통표지판 검출 및 인식에 관한 기존 연구 방법들 중에서 많은 비중을 차지하는 방법은 무엇인가? | 교통표지판 검출 및 인식에 관한 기존의 연구 방법들 중에 많은 비중을 차지하는 방법 중 하나가 특정 색상을 추출한 뒤 활용하는 방법이다. 이 방법은 교통표지판의 테두리나 전체 색상이 빨간색, 파란색이라는 정보를 이용하여 빨간색, 파란색의 색상 영역을 추출한 뒤 해당 영역에서 검출 및 인식을 수행하는 방법이다. | |
시각장애인들의 불편한 눈을 대신하기 위해 카메라로 받아들인 영상을 영상인식 기술로 처리하여 도움이 될 수 있는 정보를 제공하는 예로는 어떤 것이 있는가? | 시각장애인들의 불편한 눈을 대신하기 위해 카메라로 받아들인 영상을 영상인식 기술로 처리하여 시각장애인들에게 도움이 될 수 있는 정보를 제공하는 것이다. 이러한 정보 제공의 대표적인 예로 장애물 검출을 통한 장애물 회피, 신호등 검출 및 인식을 통한 횡단보도 횡단, 표지판 검출 및 인식을 통한 주요 시설 위치 제공 등이 있다. 그 중에서 시각장애인을 위한 표지판 검출 및 인식 분야는 아직 개발 수준이 높지 않기 때문에 꾸준한 연구를 필요로 하는 분야이다. |
C. Yoon, S. Jang and M. Park, "Real-time road sign detection using vertical plane and adaboost," Journal of the Institute of Electronics Engineers of Korea SC, vol. 46, no.5, pp. 29-37, Sep. 2009.
J. Kim and J. Park, "Traffic sign detection using the HSI eigen-color model and invariant moments," Journal of the Institute of Electronics Engineers of Korea CI, vol. 47, no.1, pp. 41-51, Jan. 2010.
B. Tian, R. Chen, Y. Yao and N. Li, "Robust traffic sign detection in complex road environments," Vehicular Electronics and Safety (ICVES), 2016 IEEE International Conference on. IEEE, pp. 1-5, Jul. 2016.
Y. Bengio, A. Courville and P. Vincent, "Representation learning: A review and new perspectives," IEEE transactions on pattern analysis and machine intelligence, vol.35, no.8, pp. 1798-1828, 2013.
Z. Zhu, D. Liang, S. Zhang, X. Huang, B. Li and S. Hu, "Traffic-Sign Detection and Classification in the Wild," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2110-2118, 2016.
M. Peemen, B. Mesman and H. Corporaal, "Speed sign detection and recognition by convolutional neural networks," 8th International Automotive Congress, pp. 162-170, 2011.
P. Dollar, R. Appel, S. Belongie and P. Perona, "Fast feature pyramids for object detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.36, no.8, pp. 1532-1545, 2014.
P. Viola and M. Jones, "Robust Real Time Object Detection," IEEE ICCV Workshop Statistical and Computational Theories of Vision, Jul. 2001.
D. Cire?An, U. Meier, J. Masci and J. Schmidhuber, "Multi-column deep neural network for traffic sign classification," Neural Networks, vol.32, pp. 333-338, 2012.
Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick and T. Darrell, "Caffe: Convolutional architecture for fast feature embedding," Proceedings of the 22nd ACM international conference on Multimedia. ACM, pp. 675-678, Nov. 2014.
R. Girshick, J. Donahue, T. Darrell and J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 580-587, 2014.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.