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
- 학위논문
- 저자정보
- 지도교수
- 김창수
- 발행연도
- 2021
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 인공지능 기술이 빠르게 발전하면서 자율주행, 스마트 공장 등에 사용되는 영상 분할 기술이 빠르게 발전하고 있다. 많은 영상 분할 방법은 합성곱 신경망을 이용하여 결과를 만들어낸다. 영상 분할 방법에서는 공간 정보의 유지가 필수적이지만 합성곱 신경망을 이용한 대부분의 기술은 공간 정보를 유지하지 못한다. 합성곱 신경망은 픽셀 이동에 따라 다른 결과를 만들어낸다. 픽셀 이동한 영상을 통해 추가적인 예측 결과를 얻을 수 있다. 본 논문에서는 Pixel Shift를 이용하여 공간 정보를 유지 못하는 문제를 해결하고 영상 분할 방법의 성능 개선 방법을 제안한다.
영상 분할 방법 중 간단하면서 결과도 비교적 정확한 Panoptic FPN과 많은 파라미터로 현재 코드가 공개된 기술 중 가장 SOTA(State-of-the-Art)에 가까운 OCR을 적용한 HRNet을 이용해 실험을 진행했다. 실험을 통해 제안하는 방법이 얇거나 작은 물체에 대한 정확도를 크게 향상시키는 것을 확인할 수 있었다. 뿐만 아니라 대부분의 범주에 대해 전반적으로 결과를 향상시키는 것을 확인할 수 있었다.
본 논문에서 제안하는 방법은 성능 개선 효과뿐만 아니라 두가지 장점이 더 있다. 첫번째, 합성곱 신경망을 학습시키기 위해 많은 시간과 그래픽 카드 저장 공간이 필요하다, 제안하는 방법은 학습된 모델을 사용하여 추가적인 학습이 필요 없다. 이를 통해 학습에 드는 비용을 줄이면서도 결과를 향상시킬 수 있다. 두번째, 적용 방법이 간단하여 합성곱 신경망을 사용하는 다양한 영상 처리 기술에 적용할 수 있다.
영상 분할 방법 중 간단하면서 결과도 비교적 정확한 Panoptic FPN과 많은 파라미터로 현재 코드가 공개된 기술 중 가장 SOTA(State-of-the-Art)에 가까운 OCR을 적용한 HRNet을 이용해 실험을 진행했다. 실험을 통해 제안하는 방법이 얇거나 작은 물체에 대한 정확도를 크게 향상시키는 것을 확인할 수 있었다. 뿐만 아니라 대부분의 범주에 대해 전반적으로 결과를 향상시키는 것을 확인할 수 있었다.
본 논문에서 제안하는 방법은 성능 개선 효과뿐만 아니라 두가지 장점이 더 있다. 첫번째, 합성곱 신경망을 학습시키기 위해 많은 시간과 그래픽 카드 저장 공간이 필요하다, 제안하는 방법은 학습된 모델을 사용하여 추가적인 학습이 필요 없다. 이를 통해 학습에 드는 비용을 줄이면서도 결과를 향상시킬 수 있다. 두번째, 적용 방법이 간단하여 합성곱 신경망을 사용하는 다양한 영상 처리 기술에 적용할 수 있다.
목차
목차1. 서론 12. 관련 연구 52.1. 딥러닝 52.2. 합성곱 신경망 62.3. 영상 분할 72.4. Pixel Shift 103. 연구 목적 133.1. 영상 분할 133.2. 문제점 154. 제안 방법 174.1. Pixel Shift 174.2. Pixel Shift 를 이용한 특징 맵 225. 실험 265.1. 데이터 셋 265.2. 실험 설정 305.3. 성능 평가 지표 325.4. 평가 346. 결론 47참고 문헌 48
최근 본 자료
댓글(0)
0