메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

홍은빈 (과학기술연합대학원대학교, Pohang University of Science and Technology)

지도교수
Seungyong Lee
발행연도
2018
저작권
과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.

이용수3

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2018

반복적 크롭핑과 수평 보정을 이용한 영상 구도 개선
홍은빈 2018.01 학위논문

2016

사진 구도 개선을 위한 딥러닝 기반 반복적 크롭핑
홍은빈 ,  전준호 ,  이승용 한국정보과학회 학술발표논문집 2016.06 학술대회자료

초록· 키워드

오류제보하기
This thesis presents a novel image composition enhancement framework using a repeated cropping and horizon correction based on a deep convolutional neural network. Firstly, we propose a repeated cropping technique for photo re-composition. For a given image, a trained network iteratively predicts cropping directions which make the image to have a better composition. The system can automatically and gradually crop the photo to follow specific composition guidelines, such as the rule of thirds and salient object size. We also propose a photo horizon correction method using convolutional neural network. The trained network estimates a slanted angle by learning generic features using a huge dataset. To obtain better performance, we utilize multiple-sized pooling layers to extract multi-scale image features. By combining proposed methods, an aesthetic composition of a given photo can be enhanced automatically and effectively, as shown in experimental results.

목차

1. 서론
1.1 연구 동기
1.2 연구 목표
1.3 연구의 공헌도
1.4 논문의 구조
2. 관련 연구
2.1 영상 구도 개선
2.1.1 최적화 기반의 영상 구도 개선
2.1.2 CNN 기반의 주요 물체 검출
2.2 영상 기울임 보정
2.2.1 특정 도메인의 영상 기울임 보정
2.2.2 일반 디지털 영상 기울임 보정
2.2.3 CNN을 이용한 영상 기울임 보정
3. 반복적 크롭핑 기법을 이용한 영상 구도 개선
3.1 알고리즘 개요
3.2 구도 가이드라인
3.2.1 삼분할법
3.2.2 주요 물체의 크기
3.3 네트워크 구조
3.4 네트워크 학습
3.4.1 FCN-VGG-M 사전 학습
3.4.2 크롭핑 방향 분류기 학습
4. CNN 기반의 영상 수평 보정
4.1 알고리즘 개요
4.2 네트워크 구조
4.3 네트워크 학습
4.3.1 데이터셋 생성
4.3.2 영상 기울어짐 측정 네트워크 학습
5. 실험 결과
5.1 반복적 크롭핑 기법을 이용한 영상 구도 개선 결과
5.1.1 실험 환경 및 파라미터 설정
5.1.2 결과 영상
5.1.3 사용자 평가
5.2 CNN 기반의 영상 수평 보정 결과
5.2.1 실험 환경 및 파라미터 설정
5.2.2 결과 영상 및 정량적 평가
5.2.3 네트워크 구조에 따른 성능 비교
5.2.4 데이터셋 구성에 따른 결과 비교
5.2.5 기존 기술과의 비교
5.3 반복적 크롭핑 기법과 영상 수평 보정을 통한 구도 개선 결과
6. 결론 및 향후 연구
6.1 결론
6.2 향후 연구
참고문헌

최근 본 자료

전체보기

댓글(0)

0