최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.21 no.12, 2018년, pp.1425 - 1430
김선국 (Dept. of Electronic and Computer Engineering, Graduate School, Chonnam National University) , 이칠우 (Dept. of Electronic and Computer Engineering, Chonnam National University)
In this paper, we propose a CNN based deep learning algorithm for semantic segmentation of images. In order to improve the accuracy of semantic segmentation, we combined pixel level object classification and image level object classification. The image level object classification is used to accurate...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
컴퓨터비전 분야에서 픽셀단위 의미분할이란? | 컴퓨터비전 분야에서 픽셀단위 의미분할(pixellevel semantic segmentation)이란 영상의 각 픽셀들이 특정 물체 또는 어떤 의미를 지닌 영역에 속하는지를 구분해주는 작업을 말한다. 예를 들면 영상에 의자와 책상이 포함되어 있을 때 의자 부분에 속한 픽셀들은 의자라는 물체를 나타내는 기호(대개는 숫자 아이디)로, 책상 영역에 속한 픽셀들은 책상을 나타내는 기호로 분류될 때 이를 픽셀단위 의미분할 또는 픽셀단위 물체분류(Pixel-level Object Classification)라고 한다. | |
실외 영상에서 의미분할이 쉬운 이유는? | 본 논문에서는 실내 영상을 대상으로 한 의미분할 알고리즘에 대해 기술한다. 실외 영상의 경우(예를 들어 자동차, 도로, 건물 등) 물체마다 다른 패턴과 속성을 지니고 있으므로 비교적 의미분할이 쉽다. 반면 실내 영상에 포함된 물체, 즉 의자, 책상, 침대, 커튼 등은 비슷한 형상과 특징을 갖는 경우가 많아서 실외데이터에 비해서 의미분할이 용이하지 않다. | |
CNN 기반의 심층신경망 기술을 이용하여 정확한 의미분할을 얻고자 하는 연구가 진행되는 이유는? | 이를 위해서 기존 연구에서는 단순히 주변 픽셀과 밝기, 색상 등이 비슷한 픽셀들을 군집화한 후에 분류기를 통해서 영역을 분할하거나 슈퍼픽셀을 이용하여 의미분할을 수행한다[1]. 하지만 종래의 방법들은 비슷한 색상정보를 갖고 서로 근접한 픽셀을 단순히 결합 또는 분리하였을 뿐 해당 픽셀이 어떤 물체의 영역 혹은 영상 전체의 배경, 전경 등 고수준의 의미를 고려한 분할은 불가능하였다. 이런 문제를 해결하기 위해서 최근에는 CNN 기반의 심층신경망 기술을 이용하여 정확한 의미분할을 얻고자 하는 많은 연구가 진행되고 있다[2,3,4,5,6,7,8,9]. |
*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.