$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥러닝 기반 소형 물체 검출 기법

Deep learning-based small object detection

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.55 no.7 = no.488, 2018년, pp.57 - 66  

최준호 (인하대학교 전자공학과) ,  한태영 (인하대학교 전자공학과) ,  이승현 (인하대학교 전자공학과) ,  송병철 (인하대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

최근 딥러닝을 기반으로 하는 컴퓨터 비전 기술의 발전으로 물체 검출 분야의 성능이 크게 향상되었다. 그러나 일반적으로 대부분의 검출 기법들이 영상 내에서 작게 표시되는 물체에 대해서는 좋은 성능을 보이지 못한다. 본 논문은 이러한 문제를 해결하기 위해 영상 내의 소형 물체를 검출하는 기법을 제안한다. 제안 기법은 딥러닝 기반의 영상분할 기법을 사용하여 소형 물체의 대략적인 위치를 추정하는 초기 영역 검출 단계와, 추정된 위치를 기반으로 물체를 검출하는 최종 검출 단계로 구성된다. 실험 결과, 본 기법은 $40{\times}40$ 이하의 소형 물체에 대하여 기존 기법 대비 재현율 측면에서 20% 이상의 성능향상을 보인다.

Abstract AI-Helper 아이콘AI-Helper

Recently, the performance of the object detection has been greatly improved. However, in general, most of these detection methods do not work well on small objects in the image. To solve this problem, this paper proposes a method which effectively detects small objects in the image. The proposed met...

주제어

참고문헌 (8)

  1. S. Ren, K. He, R. Girshick, and J. Sun, "Faster r-cnn: Towards real-time object detection with region proposal networks," Advances in Neural Information Processing Systems, pp. 91-99, 2015. 

  2. W. Liu, D. Anguelov, D. Erhan, C. Szegedy, and S. Reed, "Ssd: Single shot multibox detector," European Conference on Computer Vision, pp. 21-37, 2016. 

  3. T. Kong, F. Sun, A. Yao, H. Lit, and Y. Chen, "Ron: Reverse connection with objectness prior networks for object detection," IEEE Conference on Computer Vision and Pattern Recognition, pp. 5936-5944, 2017. 

  4. R. Girshick, "Fast r-cnn," International Conference on Computer Vision, pp. 1440-1448, 2015. 

  5. H. Noh, S. Hong, and B. Han, "Learning deconvolution network for semantic segmentation," IEEE International Conference on Computer Vision, pp. 1520-1528, 2015. 

  6. K. He, X. Zhang, S. Ren, and J. Sun, "Delving deep into rectifiers: Surpassing human-level performance on imagenet classification," IEEE International Conference on Computer Vision, pp. 1026-1034, 2015. 

  7. Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S. Guadarrama, and T. Darrel, "Caffe: Convolutional architecture for fast feature embedding," ACM International Conference on Multimedia, pp. 675-678, 2014. 

  8. A. Geiger, P. Lenz, and R. Urtasun, "Are we ready for autonomous driving? The kitti vision benchmark suite," IEEE Conference on Computer Vision and Pattern Recognition, pp. 3354-3361, 2012. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트