$\require{mediawiki-texvc}$

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.

빠른 리젝션과 고효율 특징선택을 이용한 빠른 Viola-Jones 물체 검출기
Fast Viola-Jones Object Detector using Fast Rejection and High Efficient Feature Selection 원문보기

한국정보처리학회 2013년도 제40회 추계학술발표대회, 2013 Nov. 08, 2013년, pp.1343 - 1346  

박병주 (한밭대학교 컴퓨터공학과) ,  이재흥 (한밭대학교 컴퓨터공학과) ,  이광호 ((주)에어포인트)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 기존의 Viola-Jones 물체 검출 프레임워크를 개선하여 하나의 특징 당 더 높은 효율을 가지며 검출대상이 아닌 서브 윈도우들을 더 빠르게 제거하는 학습 알고리즘을 제안한다. 학습의 결과로 생성된 물체 검출기는 서브윈도우를 특정 임계값까지 빠르게 제거하기 때문에 서브윈도우당 계산수가 줄어든다. 기존의 Viola-Jones 물체 검출기와 동일한 프레임워크이므로 인식성능에는 영향을 주지 않는다. MIT-CMU 테스트 집합에 대해서 서브윈도우당 특징 계산 횟수를 측정하였으며 기존 계산 횟수의 57%로 줄어들어 검출 속도가 약 71% 향상됨을 확인하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 빠른 리젝션과 고효율 특징 선택을 이용한 빠른 Viola-Jones 물체 검출기를 제안하였다. 네거티브 샘플을 random하게 선택하여 각 스테이지를 학습할 때 생기는 문제점을 해결하기 위해 FPR을 평가하는 기준을 변경하였고 세대수 개념을 도입한 학습 구조를 제시하였다.
  • 이를 개선하기 위해 현재까지 연구된 Viola-Jones 물체 검출기 관련 연구 주제는 크게 속도 또는 검출 성능 향상의 두 가지로 볼 수 있다. 인식 성능 향상을 위해서 Extended Haar-like feature Set[3]이나 Joint Haar-like feature[4], Asymmetric Haar-like feature[5]와 같이 overcomplete set을 추가하거나 변경하는 연구가 있었고, 이들 연구의 공통된 목적은 더 풍부한 표현력을 가진 특징을 이용해서 더 좋은 검출기를 만드는 것이다. 또, 기존의 정규화 방법 대신 연산량을 줄인 Haar-like feature 정규화에 대한 연구[2]도 있다.
본문요약 정보가 도움이 되었나요?
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