최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기지적과 국토정보 = Journal of cadastre & land informatix, v.48 no.2, 2018년, pp.213 - 225
김혜진 (건국대학교 신기술융합학과) , 이정민 ((주)신한항업 연구소) , 배경호 ((주)신한항업 연구소) , 어양담 (건국대학교 신기술융합학과)
For constructing three-dimensional (3D) spatial information occlusion region problem arises in the process of taking the texture of the building. In order to solve this problem, it is necessary to investigate the automation method to automatically recognize the occlusion region, issue it, and automa...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
객체탐지란 무엇인가? | 객체탐지란 제공된 영상에서 사람, 얼굴 등과 같이 찾고자 하는 객체를 확인하여 위치와 크기를 탐지하는 것이다(Papageorgiou et al. 1998). | |
FasterR-CNN이 R-CNN의 알고리즘의 정확성과 속도 문제를 개선한 방법은? | 본 연구에서는 Faster R-CNN과 Mask R-CNN 알고리즘을 도입하여 객체탐지를 수행하였다. FasterR-CNN은 영상에서 하나의 관심영역을 만들어 객체탐지를 수행하며, Region Proposal Network(RPN) 단계를 CNN안에 넣어서 R-CNN의 알고리즘의 정확성과 속도 문제를 개선하였다. (그림 5) | |
기존의 객체의 특징을 추출하는 알고리즘의 단점은? | 기존의 방법은 객체 특징을 추출하기 위하여 입력데이터 제작하기 위한 비용과 객체 분류시키기 위한 학습데이터 연산 비용이 많이 발생하는 단점이 있다. 이러한 비용을 줄이기 위해 인공신경망 중 하나인 CNN은 영상에서의 특징을 추출한 convolutionallayer와 fully connected layer로 객체를 검출하고 영상을 대상으로 객체탐지에 향상된 성능을 보여준다(Simard et al. |
Kim SS, Kim BG. 2002. Adjustment of texture image for construction of a 3D virtual city. Journal of the Korean Society for Geospatial Information Science. 10(2):49-56.
Kim HJ, Han YK, Choi JW, Kim YI. 2009. High resolution satellite image classification enhancement using restortation of buildin shadow and occlusion. The Korean Society of Remote Sensing. Proceedings of the KSRS Conference (Mar):13-17.
Park JH, Suh YC. 2017. Calculation of the Duration of Sunshine Using a Three-Dimensional Spatial Information Open Platform. Journal of the Korean Association of Geographic Information Studies. 20(3):80-89.
Shin DK, Park CW, Park JW, Kim YM, Park KT, Moon YS. 2011. Feature based Depth Map Generation for Compensation of Occlusion Region using Disparity Estimation. The Journal of Korean Institute of Information Technology. 9(5):217-230.
Lee JS, Lee IG. 2018. The 3D Modeling Data Production Method Using Drones Photographic Scanning Technology. Journal of the Korea Institute of Information and Communication Engineering. 22(6):874-880.
Jung SH, Lee JK. 2008. Application of Photorealitstic Modeling and Visualization Using Digital Image Data in 3D GIS. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 26(1):73-83.
Cho MH, Seo JT, Lee CY, Par YJ. 2011. The Realization of Disaster Information using Virtual Simulation based on 3D Spatial Information. Journal of the Korean Society of Hazard Mitigation. 11(5):175-184.
Girshick R, Donahue J, Darrell T, Malik J. 2014. Rich feature hierarchies for accurate object detection and semantic segmentation. 2014 IEEE Conference on Computer Vision and Pattern Recognition. pp.580-587.
Gruen A, Huang X, Qin R, Du T, Fang W, Boavida J, Oliveira A. 2013. Joint processing of UAV imagery and terrestrial mobile mapping system data for very high resolution city modeling. Remote Sens Spatial Inf Sci. pp.175-182.
Hammoudi K, Dornaika F, Soheilian B, Vallet B, McDonald J, Paparoditis N. 2012. Recovering occlusion-free textured 3D maps of urban facades by a synergistic use of terrestrial images, 3D point clouds and area-based information. Procedia Engineering. 41(2012): 971-980.
He K, Gkioxari G, Dollar P, Girshick R. 2017. Mask R-CNN. IEEE International Conference on Computer Vision (ICCV). pp.2980-2988.
Ho WT, Lim HW, Tay YH. 2009. Two-stage license plate detection using gentle Adaboost and SIFT-SVM. Intelligent Information and Database Systems. pp.109-114.
Kim HT, Kim SB, Go JS, Eo YD, Lee BK. 2010. Building 3D Geospatial Information using Airborne Multi-Looking Digital Camera System. Journal of Convergence Information Technology. 5(1):15-22.
Levi D, Garnett N, Fetaya E. 2015. StixelNet: A Deep Convolutional Network for Obstacle Detection and Road Segmentation. British Machine Vision Conference 2015. pp.109.1-109.12.
Papageorgiou CP, Oren M, Poggio T. 1998. A general framework for object detection. Sixth International Conference on Computer Vision. pp.555-562.
Powers, David MW. 2011. Evaluation: From Precision, Recall and F-Measure to ROC, Informedness, Markedness & Correlation. Journal of Machine Learning Technologies. 2(1):37-63.
Remondino F, Barazzetti L, Nex F, Scaioni M, Sarazzi D. 2011. UAV photogrammetry for mapping and 3D modeling-Current status and future perspectives. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XXXVIII-1(C22):25-31.
Ren S, He K, Girshick R, Sun J. 2015. Faster r-cnn: Towards real-time object detection with region proposal networks. Neural Information Processing Systems (NIPS). pp.91-99.
Simard PY, Steinkraus D, Platt JC. 2003. Best practices for convolutional neural networks applied to visual document analysis. Document Analysis and Recognition. p.958.
Sivaraman S, Trivedi MM. 2013. A review of recent developments in vision-based vehicle detection. Intelligent Vehicles Symposium (IV). pp.310-315.
Sivaraman S, Trivedi MM. 2014. Active learning for on-road vehicle detection: A comparative study. Machine vision and applications. 25(3): 599-611.
Xiao J, Fang T, Zhao P, Lhuillier M, Quan L. 2009. Image-based street-side city modeling. In ACM transactions on Graphics (TOG). 28(5):114.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.