지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.5
- 수록면
- 379 - 396 (18page)
- DOI
- 10.7465/jkdi.2024.35.3.379
이용수
초록· 키워드
오류제보하기
영상에서 잡음은 시각적인 왜곡이나 불편을 주는 것 외에도 영상 시스템에서 성능 저하를 가져옴으로써 영상에서 잡음제거는 영상처리에서 중요한 전처리 과정이다. 본 논문에서는 영상에서 잡음제거를 위해 GAN 모델에서 파생된 DCGAN 기반의 deformable RED and transfer learning based generative adversarial networks (dRED-TL-GAN)모델을 제안하고자 한다. 제안된 dRED-TL-GAN 모델에서 생성자는 인코더-디코더 구조로 이루어진 deformable RED 구조이고, 판별자는 전이학습 기반 구조이다. 여기서 deformable RED 구조는 인코더의 컨볼루션 층에서 표준 컨볼루션 대신 deformable 컨볼루션을 사용하여 영상의 특징을 고려하였고, 판별자는 ResNet-18 모델을 사용하여 학습 속도가 분류 정확도를 높혔다. 본 논문에서 제안된 dRED-TL-GAN 모델의 성능 평가를 위해 전통적인 Mean 필터, Median 필터와 BM3D 필터, 그리고 기존 딥러닝의 DnCNN 모델, RED-CNN 모델 그리고 DCGAN 모델을 고려하였으며, 다양한 잡음, 즉, 가우시안 잡음 (Caussian noise), 포아송 잡음 (Poisson noise) 그리고 스팩클 잡음 (Speckle noise)으로 훼손된 얼굴 영상을 대상으로 실험하였다. 성능 실험은 정성적인 평가와 정량적인 평가로 구성되며, 정성적인 평가 결과, Mean 필터, Median 필터, 그리고 BM3D 필터를 포함한 공간 필터들은 대체로 잡음이 남아있고, 또한 호릿한 영상을 얻었고, 제안된 dRED-TL-GAN 모델은 다른 딥러닝 모델보다 에지있는 선명한 영상을 얻었다. 또한, 정량적인 평가 척도인 Peak signal-to-noise ratio (PSNR), Mean squared error (MSE) 그리고 Structural similarity index measure (SSIM) 면에서 dRED-TL-GAN 모델은 모든 잡음과 모든 평가 척도에서 가장 좋은 성능 수치를 얻었다.
목차
요약
1. 서론
2. 관련연구
3. dRED-TL-GAN 모델을 이용한 잡음 제거
4. 성능 실험 및 논의사항
5. 결론 및 향후 연구
References
Abstract
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
DCGAN 학습 모델을 이용한 게임 맵 데이터 자동 생성 프레임워크 설계 및 구현
남현우
융복합지식학회논문지
2023
.09
U-Net 기반의 적대적 생성망
박승
,
신용구
전자공학회논문지
2021
.05
GAM : 대형 통신 시스템을 위한 위험도 예측 모델
홍의석
컴퓨터교육학회 논문지
2003
.04
주가 예측을 위한 머신러닝과 딥러닝 기법의 비교 분석
문예진
,
황예진
,
노학균
외 1명
한국컴퓨터정보학회 학술발표논문집
2024
.07
데이터 증대 및 지식 증류와 앙상블을 통한 딥러닝 성능 강화
김기덕
,
이근후
한국컴퓨터정보학회 학술발표논문집
2024
.07
최근 본 자료
댓글(0)
0