최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기방송공학회논문지 = Journal of broadcast engineering, v.23 no.3, 2018년, pp.361 - 368
이용우 (성균관대학교 전자전기공학부) , 신지태 (성균관대학교 전자전기공학부)
As autonomous driving research is rapidly developing, pedestrian detection study is also successfully investigated. However, most of the study utilizes color image datasets and those are relatively easy to detect the pedestrian. In case of color images, the scene should be exposed by enough light in...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
SSD가 물체의 영역을 예측할 때 사용하는 박스는 어떻게 적용되나? | SSD는 물체의 영역을 예측할 때 기본 영역 박스들과 카테고리 점수를 사용한다. 이 기본 영역 박스는 Conv.를 통과하면서 생기는 다양한 스케일의 특징맵에 적용되어 검출 영역을 예측하게 된다. 또한 기본 영역 박스는 다양한 종횡비로 구성되어 있어 검출하고자 하는 물체의 영역을 좀 더 정확하게 제안할 수 있다. 정확도를 위한 손실 함수에는 지역 손실과 신뢰 손실로 나누어져 있다. | |
SSD란 무엇인가? | SSD는 [8]에서 제안된 DNN 기반 물체 검출기이다. 그림 2에서는 [8]에서 제안된 SSD의 네트워크 구조를 보여주고 있는데 기존의 VGG-16[10]의 FC6과 FC7를 Conv. | |
SSD의 장점은 무엇인가? | 로 교체하고 추가로 4개의 특징 layer를 연결하는 구조를 가진다. SSD는 기존 Faster R-CNN에서 사용하는 RPN과 같이 검출 영역을 제안하는 네트워크가 따로 존재하지 않기 때문에 속도 측면에서 매우 뛰어난 장점을 가진다. SSD는 물체의 영역을 예측할 때 기본 영역 박스들과 카테고리 점수를 사용한다. |
S. Zhang, R. Benenson, M. Omran, J. Hosang, and B. Schiele, "How far are we from solving pedestrian detection?," IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, USA, pp.1259-1267, 2016.
J. Wagner, V. Fischer, M. Herman, and S. Behnke, "Multispectral pedestrian detection using deep fusion convolutional neural networks," European Symposium on Artificial Neural Networks, Bruges, Belgium, pp. 509-514, 2016.
R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," IEEE Conference on Computer Vision and Pattern Recognition, Columbus, USA, pp. 580-587, 2014.
R. Girshick, "Fast r-cnn," arXiv preprint arXive:1504.08083, 2015.
S. Ren, K. He, R. Girshick, and J. Sun, "Faster R-CNN: Towards real- time object detection with region proposal networks," Neural Information Processing Systems, Montreal, Canada, pp. 91-99, 2015.
K. He, G. Gkioxari, P. Dollar, R. Girshick, "Mask R-CNN," IEEE International Conference on Computer Vision, Venice, Italy, pp. 2980-2988, 2017.
J. Liu, S. Zhang, S. Wang, D. N. Metaxas, "Multispectral deep neural networks for pedestrian detection," arXiv preprint arXiv:1611.02644, 2016.
W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C. -Y. Fu, and A. C. Berg, "SSD: Single Shot MultiBox Detector," European Conference on Computer Vision, Amsterdam, the Netherlands, pp. 21-37, 2016.
S. Hwang, J. Park, N. Kim, Y. Choi, and I. S. Kweon, "Multispectral pedestrian detection: benchmark dataset and baseline," IEEE Conference on Computer Vision and Pattern Recognition, Boston, USA, pp. 1037-1045, 2015.
K. Simonyan, A. Zisserman, "Very deep convolutional networks for large-scale image recognition," arXiv preprint arXiv:1409.1556, 2014.
M. Lin, Q. Chen, S. Yan, "Network in Network," arXiv preprint arXive:1312.4400, 2013.
P. Dollar, C. Wojek, B. Schiele, and P. Perona, "Pedestrian detection: A benchmark," IEEE Conference on Computer Vision and Pattern Recognition, Miami, USA, pp. 304-311, 2009.
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, Jan. 2014.
N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," IEEE Conference on Computer Vision and Pattern Recognition, San Diego, USA, pp. 886-893, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.