$\require{mediawiki-texvc}$

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.

인공 위성 사진 내 선박 탐지 정확도 향상을 위한 Watershed 알고리즘 기반 RoI 축소 기법
Watershed Algorithm-Based RoI Reduction Techniques for Improving Ship Detection Accuracy in Satellite Imagery 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.10 no.8, 2021년, pp.311 - 318  

이승재 (고려대학교 정보보호대학원) ,  윤지원 (고려대학교 정보보호대학원)

초록
AI-Helper 아이콘AI-Helper

해상 안보, 국제 동향 파악 등 다양한 이유로 해상 사진에서 선박을 탐지하고자하는 연구는 지속되어 왔다. 인공지능의 발달로 인해 사진 및 영상 내 객체 탐지를 위한 R-CNN 모델이 등장하였고 객체탐지의 성능이 비약적으로 상승하였다. R-CNN 모델을 이용한 해상 사진에서의 선박 탐지는 인공위성 사진에도 적용되기 시작하였다. 하지만 인공위성 사진은 넓은 지역을 투사하기 때문에 선박 외에도 차량, 지형, 건물 등 다양한 객체들이 선박으로 인식되는 경우가 있다. 본 논문에서는 R-CNN계열 모델을 이용한 인공위성 사진에서의 선박 탐지의 성능을 개선하기 위한 새로운 방법론을 제안한다. 표지자 기반 watershed 알고리즘을 통해 육지와 바다를 분리하고 morphology 연산을 수행하여 RoI를 한 차례 더 특정한 뒤 특정된 RoI에 R-CNN 계열 모델을 사용하여 선박을 탐지하여 오탐을 줄인다. 해당 방법을 이용하여 Faster R-CNN을 사용하였을 경우, Faster R-CNN만을 사용했을 때에 비해 오탐률을 80% 줄일 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Research has been ongoing to detect ships from offshore photographs for a variety of reasons, including maritime security, identifying international trends, and social scientific research. Due to the development of artificial intelligence, R-CNN models for object detection in photographs and images ...

주제어

#해안선 추출   #인공위성 사진   #Watershed 알고리즘  

표/그림 (17)

참고문헌 (16)

  1. J. Canny, "A computational approach to edge detection," In IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.PAMI-8, No.6, pp.679-698, Nov. 1986. 

    상세보기 crossref

  2. C. Harris and M. Stephens, "A combined corner and edge detector," Paper Presented at the Meeting of the Proceedings of the 4th Alvey Vision Conference, 1988. 

  3. P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2001, IEEE, Vol.1, 2001. 

  4. N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," In International Conference on Computer Vision & Pattern Recognition, Vol.1, pp.886-893, 2005. 

  5. D. G. Lowe, "Distinctive image features from scaleinvariant keypoints," International Journal of Computer Vision, Vol.60, No.2, pp.91-110, 2004. 

    상세보기 crossref

  6. R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," In Proceedings of the 2014 IEEE Conference on Computer Vision and Pattern Recognition, Columbus, OH, USA, pp.580-587, 23-28 Jun. 2014. 

  7. R. Girshick, "Fast R-CNN," In Proceedings of the 2015 IEEE International Conference on Computer Vision (ICCV), Santiago, Chile, pp.1440-1448, 7-13 Dec. 2015. 

  8. S. Ren, K. He, R. Girshick, and J. Sun, "Faster R-CNN: Towards real-time object detection with region proposal networks," In Proceedings of the 28th International Conference on Neural Information Processing Systems, Montreal, QC, Canada, pp.91-99, 7-12 Dec. 2015. 

  9. J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You only look once: Unified, real-time object detection," In Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, pp.779-788, 27-30 Jun. 2016. 

  10. W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C.-Y. Fu, and A. C. Berg, "SSD: Single shot multibox detector," In Proceedings of the 14th European Conference on Computer Vision (ECCV2016), Amsterdam, The Netherlands, Vol.9905, pp.21-37, 8-16 Oct. 2016. 

  11. K. Di, J. Wang, R. Ma, and R. Li, "Automatic shoreline extraction from high-resolution IKONOS satellite imagery," In Proceedings of the ASPRS 2003 Annual Conference, Anchorage, AK, USA, 5-9 May 2003. 

  12. C. Dai, I. M. Howat, E. Larour, and E. Husby, "Coastline extraction from repeat high resolution satellite imagery," Remote Sensing of Environment, Vol.229, pp.260-270, 2019. 

    상세보기 crossref

  13. K. Vos, K. D. Splinter, M. D. Harley, J. A. Simmons, and I. L. Turner, "CoastSat: A Google Earth Engine-enabled Python toolkit to extract shorelines from publicly available satellite imagery," Environmental Modelling & Software, Vol.122, 2019. 

    상세보기

  14. V. Paravolidakis, L Ragia, K. Moirogiorgou, M. E. Zervakis, "Automatic coastline extraction using edge detection and optimization procedures," Geosciences, Vol.8, No.11, pp.407, 2018. 

    상세보기 crossref

  15. S. Beucher, "Use of watersheds in contour detection," Proceedings of the International Workshop on Image Processing, CCETT, 1979. 

  16. Rhammel, Ships in Satellite Imagery [Internet], https://www.kaggle.com/rhammell/ships-in-satellite-imagery 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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