$\require{mediawiki-texvc}$

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.

강건한 CNN기반 수중 물체 인식을 위한 이미지 합성과 자동화된 Annotation Tool
Synthesizing Image and Automated Annotation Tool for CNN based Under Water Object Detection 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.14 no.2, 2019년, pp.139 - 149  

전명환 (KAIST) ,  이영준 (Korea Research Institute Ship and Ocean engineering (KRISO)) ,  신영식 (Dept. of Civil and Environmental Engineering, KAIST) ,  장혜수 (Dept. of Civil and Environmental Engineering, KAIST) ,  여태경 (Korea Research Institute Ship and Ocean engineering (KRISO)) ,  김아영 (Dept. of Civil and Environmental Engineering, KAIST)

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we present auto-annotation tool and synthetic dataset using 3D CAD model for deep learning based object detection. To be used as training data for deep learning methods, class, segmentation, bounding-box, contour, and pose annotations of the object are needed. We propose an automated ...

주제어

#Deep Learning   #Data Annotation   #Object Detection   #3D CAD Model  

질의응답

핵심어 질문 논문에서 추출한 답변
사람이 직접 작업을 수행하는것의 단점은 무엇인가? 실제 이미지에 나타나는 객체들에 자동으로 라벨을 생성하는 것은 매우 힘들기 때문에, 주로 사람이 직접 작업을 수행하는 것이 일반적이다. 그러나 사람이 직접 라벨을 표시하는 것 또한 부정확할 수 있고, 데이터 셋의 양이 많을 경우에는 어려움이 있어 적합하지 못한 방법이다. 이를 해결하기 위해 [9]는 높은 현실감을 반영한 시뮬레이션 엔진을 통해 Deep Learning 에 필요한 트레이닝 셋을 만들어 내었다.
AUV는 무엇인가? 수중 재난 상황에 이용할 수 있는 로봇은 크게 두 종류로 AUV (Autonomous Underwater Vehicle)와 ROV (Remotely Operated Vehicle)로 분류된다. 이중 AUV는 로봇에 장착된 여러 센서들을 통해 주변 상황을 스스로 인지하고 필요한 작업을 자율적으로 실행하는 더욱 지능화된 로봇을 지칭한다. 센서 정보를 사용 하여, 수중 환경에서 목표로 하는 대상을 인지하고 분별해 내는 작업은 다양한 로봇 분야에서 매우 중요하며, 그 과정에서 높은 정확성을 필요로 한다.
수중 재난 상황에 이용할 수 있는 로봇은 어떤것이 있는가? 수중 재난 상황에 이용할 수 있는 로봇은 크게 두 종류로 AUV (Autonomous Underwater Vehicle)와 ROV (Remotely Operated Vehicle)로 분류된다. 이중 AUV는 로봇에 장착된 여러 센서들을 통해 주변 상황을 스스로 인지하고 필요한 작업을 자율적으로 실행하는 더욱 지능화된 로봇을 지칭한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (19)

  1. R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation," 2014 IEEE Conference on Computer Vision and Pattern Recognition, Columbus, OH, USA, 2014, DOI: 10.1109/CVPR.2014.81. 

  2. J. R. R. Uijlings, K. E. A. van de Sande, T. Gevers, and A. W. M. Smeulders, International Journal of Computer Vision, vol. 104, no. 2, pp. 154-171, 2013. 

    상세보기 crossref

  3. J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, 2016, DOI: 10.1109/CVPR.2016.91. 

  4. K. He, G. Gkioxari, P. Dollar, and R. Girshick, "Mask R-CNN," 2017 IEEE International Conference on Computer Vision (ICCV), Venice, Italy, pp. 2980-2988, 2017. 

  5. R. Girshick, "Fast R-CNN," 2015 IEEE International Conference on Computer Vision (ICCV), Santiago, Chile, pp. 1440-1448, 2015. 

  6. X. Peng, B. SUN, K. Ali, and K. Saenko, "Exploring Invariances in Deep Convolutional Neural Networks using Synthetic Images," arXiv:1805.12177v2, 2014. 

  7. H. Su, C. R. Qi, Y. Lim, and L. J. Guibas, "Render for CNN: Viewpoint Estimation in Images Using CNNs Trained with Rendered 3D Model Views," 2015 IEEE International Conference on Computer Vision (ICCV), Santiago, Chile, pp. 2686-2694, 2015. 

  8. Trimble Inc, 3D Warehouse, [Online], https://3dwarehouse.sketchup.com, Accessed: March 19, 2019. 

  9. M. Johnson-Roberson, C. Barto, R. Mehta, S. N. Sridhar, K. Rosaen, and R. Vasudevan, "Driving in the Matrix: Can virtual worlds replace human-generated annotations for real world tasks?," 2017 IEEE International Conference on Robotics and Automation (ICRA), Singapore, Singapore, 2017, DOI: 10.1109/ICRA.2017.7989092. 

  10. H. Hattori, N. Lee, V. N. Boddeti, F. Beainy, K. M. Kitani, and T. Kanade, "Synthesizing a Scene-Specific Pedestrian Detector and Pose Estimator for Static Video Surveillance," International Journal of Computer Vision, vol. 126, no. 9, pp. 1027-1044, Sept., 2018. 

    상세보기 crossref

  11. P. P. Busto and J. Gall, "Viewpoint refinement and estimation with adapted synthetic data," Computer Vision and Image Understanding, vol. 169, pp. 75-89, Apr., 2018. 

    상세보기 crossref

  12. Y. Wang, X. Tan, Y. Yang, X. Liu, E. Ding, F. Zhou, and L. S. Davis, "3D Pose Estimation for Fine-Grained Object Categories," European Conference on Computer Vision, pp. 619-632, 2018. 

  13. Stichting Blender Foundation, Blender, [Online], http://www.blender.org, Accessed: March 19, 2019 

  14. J. Xiao, J. Hays, K. A. Ehinger, A. Oliva, and A. Torralba, "SUN database: Large-scale scene recognition from abbey to zoo," 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Francisco, CA, USA, pp. 3485-3492, 2010. 

  15. M. Prats, J. Perez, J. J. Fernandez, and P. J. Sanz, "An open source tool for simulation and supervision of underwater intervention missions," 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, Vilamoura, Portugal, pp. 2577-2582, 2012. 

  16. Y. Cho and A. Kim "Channel invariant online visibility enhancement for visual SLAM in a turbid environment," Journal of Field Robotics, vol. 35, no. 7, pp. 1080-1100, 2018. 

    상세보기 crossref

  17. SeaDrone Inc, SeaDrone, [Online], https://seadronepro.com, Accessed: March 19, 2019. 

  18. Y. Lee, J. Choi, and H-T. Choi. "Underwater Robot Localization by Probability-based Object Recognition Framework Using Sonar Image," Journal of Korea Robotics Society, vol. 9, no. 4, pp. 232-241, Nov., 2014 

    원문보기 상세보기 crossref

  19. Y.-S. Shin, Y.-J. Lee, H-T. Choi, and A. Kim, "Bundle Adjustment and 3D Reconstruction Method for Underwater Sonar Image," Journal of Korea Robotics Society, vol. 11, no. 2, pp. 051-059, Jun., 2016. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
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

맨위로