최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기로봇학회논문지 = The journal of Korea Robotics Society, v.15 no.1, 2020년, pp.8 - 15
이언호 (Mechanical Engineering, Kongju National University) , 이영준 (Korea Research Institute of Ships and Ocean Engineering) , 최진우 (Korea Research Institute of Ships and Ocean Engineering) , 이세진 (Division of Mechanical & Automotive Engineering, Kongju National University)
This research is a case study of underwater object tracking based on real-time recurrent regression networks (Re3). Re3 has the concept of generic object tracking. Because of these characteristics, it is very effective to apply this model to unclear underwater sonar images. The model also an pursues...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
소나의 한계는 무엇인가? | 또한 통신의 제약이 있는 수중환경에서는 심해 조사, 수중 감시, 해저 탐사 등의 자율 수중 로봇 내비게이션을 위해 소나 영상에 나타나는 지표가 중요한 정보가 될 수 있기 때문에 지표 추적이 절대적으로 필요하다. 하지만 소나는 센서의 물리적 작동 메커니즘에 의해 그 해상도가 다소 떨어지는 한계성을 가진다. 그럼에도 불구하고 수중 소나 센서는 수중 모니터링을 위해서는 필수불가결한 장비라 할 수 있다. | |
수중 목표물 모니터링 작업의 물체 탐지와 추적을 설명하라. | 수중 목표물 모니터링 작업은 크게 물체 탐지와 추적으로 나누어 볼 수 있다. 물체가 영상의 관심 영역 내에 처음 출현했을 때 그 물체를 정확하게 검출해내는 작업이 탐지라 한다면,추적의 관점에서는 이렇게 탐지된 물체를 시간의 흐름에 따라 끊임없이 강인하게 추적해낼 수 있어야 한다. 물론 매 순간의 영상마다 시간적 유기성을 배제한 체 물체를 검출해내어 그 위치 정보만을 기반으로 추적을 할 수 있겠으나 소요되는 비용이 상대적으로 클 수밖에 없다. | |
Online-trained 추적기에 대해 설명하라. | 이러한 알고리즘은 크게 Online-trained, Offline-trained, Hybrid 추적기인 3종류로 나누어진다. Online-trained 추적기는 가장 널리 사용되는 유형의 추적기이다. 온라인에서 작동되며, 관심 객체를지속적으로 학습시켜야한다. 그 결과 모델의 복잡성이 올라가게 된다. 이러한 대표적인 추적기로 VOT 2014에서 우승한Discriminative Scale Space Tracker (DSST)이 있다[6]. |
A. Seth, Your brain hallucinates your conscious reality, TED2017, [Online], https://www.ted.com/talks/anil_seth_your_brain_hallucinates_your_conscious_reality/transcript?languageko, Accessed: April 26, 2017.
M. Kristan et al., "The visual object tracking VOT2014 challenge results," Eur. Conf. Comput. Vision Workshops, pp. 191-217, 2014.
M. Kristan et al., "The visual object tracking VOT2015 challenge results," 2015 IEEE International Conference on Computer Vision Workshop (ICCVW), Santiago, Chile, pp. 1-23, 2015.
M. Kristan et al., "The visual object tracking VOT2016 challenge results," Eur. Conf. Comput. Vision Workshops, pp. 777-823, 2016.
M. Kristan et al., "The visual object tracking VOT2017 challenge results," 2017 IEEE International Conference on Computer Vision Workshops (ICCVW), pp. 1949-1972, 2017.
M. Danelljan, G. Hager, F. S. Khan, and M. Felsberg, "Discriminative scale space tracking," IEEE Trans. Pattern Anal. Mach. Intell., vol. 39, no. 8, pp. 1561-1575, August, 2017.
K.Kang et al., "T-CNN: Tubelets with convolutional neural networks for object detection from videos," IEEE Trans. Circuits Syst. Video Technol., vol. 28, no. 10, pp. 2896-2907, 2018.
H. Nam and B. Han, "Learning multi-domain convolutional neural networks for visual tracking," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4293-4302, 2016.
D. Gordon, A. Farhadi, and D. Fox., "Re3 : Real-Time Recurrent Regression Networks for Visual Tracking of Generic Objects," IEEE Robotics and Automation Letters, vol. 3, no. 2, pp. 788-795, April, 2018.
S. Lee, "Deep Learning of Submerged Body Images from 2D Sonar Sensor based on Convolutional Neural Network," 2017 IEEE Underwater Technology (UT), pp. 1-3, 2017.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," Communications of the ACM, pp. 84-90, June, 2017.
S. Lee, B. Park, and A. Kim, "Deep Learning from Shallow Dives: Sonar Image Generation and Training for Underwater Object Detection," arXiv:1810.07990 [cs.RO], October, 2018.
S. R en, K. He, R . Gir shick, a nd J. Sun, " Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 6, pp. 1137-1149, June, 2017.
K. Greff, R. K. Srivastava, J. Koutnik, B. R. Steunebrink, and J. Schmidhuber, "LSTM: A search space odyssey," IEEE Trans. Neural Netw. Learn. Syst., vol. 28, no. 10, pp. 2222-2232, October, 2017.
*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.