선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 R-CNN과 LSTM을 융합한 RC-LSTM 심층신경망을 통해 각 객체의 행동 패턴을 인식할 수 있는 방법을 제안한다. RC-LSTM은 기존 LRCN을 이용한 행동 인식 방법을 확장한 것으로 R-CNN을 통해 관심영역(ROI, region of interest)을 설정하고, 관심영역 내의 다중 객체에서 표현되는 행동 특징들을 LSTM으로 독립적으로 인식하는 것을 최종 목적으로 한다.
- 본 논문에서는 R-CNN과 LSTM을 융합한 RC-LSTM 심층신경망을 통해 각 객체의 행동 패턴을 인식할 수 있는 방법을 제안한다. RC-LSTM은 기존 LRCN을 이용한 행동 인식 방법을 확장한 것으로 R-CNN을 통해 관심영역(ROI, region of interest)을 설정하고, 관심영역 내의 다중 객체에서 표현되는 행동 특징들을 LSTM으로 독립적으로 인식하는 것을 최종 목적으로 한다.
- 비디오 영상에서 다중 객체에 대한 행동 인식을 수행하려면 영상에 나타난 객체들의 검출이 선행되어야 한다. 본 논문에서는 R-CNN과 LSTM을 융합한 RC-LSTM 심층신경망을 통해 관심영역 검출을 기반으로 객체들을 검출하고, 다중 객체의 동시 다발적 행동 인식을 위한 방법에 대하여 제안하였다. 향후 연구과제로 논문에서 제안한 신경망을 실제로 구현하고 임의의 테스트 영상을 통해 다중 객체의 행동 인식을 잘 수행할 수 있는지 시험하고자 한다.
가설 설정
- 객체가 독립적으로 검출된 그 시점부터 각 객체의 행동은 단일 객체의 행동으로 볼 수 있다. 둘 째, 단일 객체의 행동만으로 구성된 학습 데이터는 지도 학습을 위한 행동 클래스 표지가 쉽기 때문이다. 다수의 객체가 각기 다른 행동을 행하는 학습 데이터는 어떤 행동 클래스로 표지해야 할지 결정하는 것이 쉽지 않다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.