구면 파노라마 영상에서의 딥러닝 기반 객체 인식|RISS 상세보기

국문 초록 (Abstract)

영상 인식 기술은 평면 영상에 대해서 많이 연구되고 그 성능 또한 발전하고 있다. 그러나 평면 영상이 아닌 구면 파노라마 영상과 다양한 환경에서 주어지는 특수한 형태의 영상에 대한 인식은 평면과 다르게 기하학적인 왜곡으로 인해서 많은 어려움이 따른다. 본 논문에서는 평면영상의 인식 기술에서 최근 각광받는 훈련을 통한 신경망 인식 기법이 구면 파노라마 영상의 인식에서도 쓰일 수 있음을 보인다. 또한 구면 영상에 대한 기존 신경망 모델의 인식률을 높이기 위해서 큐브맵 변환을 활용하는 방법을 제시한다.

번역하기

영상 인식 기술은 평면 영상에 대해서 많이 연구되고 그 성능 또한 발전하고 있다. 그러나 평면 영상이 아닌 구면 파노라마 영상과 다양한 환경에서 주어지는 특수한 형태의 영상에 대한 인...

다국어 초록 (Multilingual Abstract)

A lot of research has been done on image recognition technique for planar images and the performance has also been improved. However, it is difficult to recognize objects in spherical panoramic images or images in special form which are given in various environments because of the spherical distortion given in different form from the planar case. In this paper, we show that the neural network recognition approach can be used for object recognition in spherical image and suggest a method of using cubemap transform in order to increase recognition accuracy in spherical image.

번역하기

목차 (Table of Contents)

요 약
ABSTRACT
1. 서 론
2. 딥러닝에 기반한 영상 인식
2.1 영상 인식을 위한 딥러닝 모델

요 약
ABSTRACT
1. 서 론
2. 딥러닝에 기반한 영상 인식
2.1 영상 인식을 위한 딥러닝 모델
2.2 구면 파노라마 영상과 딥러닝
3. 큐브맵을 사용한 딥러닝 인식률 향상
3.1 구면 영상의 천정 위치 탐색
3.2 천정 탐지를 통한 회전 큐브맵 생성
3.3 큐브맵에서의 물체 인식
4. 실험 결과
4.1 천정면 탐지를 위한 분류기 학습
4.2 천정 탐지를 통한 큐브맵 회전 실험
4.3 회전한 큐브맵의 인식 비교 실험
5. 결 론
REFERENCES

참고문헌 (Reference)

1 박정현, "큐브맵을 사용한 구면 영상에서의 평면 텍스처 대치" 한국게임학회 17 (17): 153-164, 2017

2 Martin Abadi, "TensorFlow: a system for large-scale machine learning" 16 : 265-283, 2016

3 Javier Cruz-Mota, "Scale invariant feature transform on the sphere: theory and applications" 98 (98): 217-241, 2012

4 Christian Szegedy, "Rethinking the inception architecture for computer vision" 2818-2826, 2016

5 Ross Girshick, "Region-based convolutional networks for accurate object detection and segmentation" 38 (38): 142-158, 2016

6 Bo-sung Kim, "Matching between spherical panorama and planar image" 42 (42): 1322-1324, 2014

7 Christian Szegedy, "Inception-v4, Inception-ResNet and the impact of residual connections on learning" 4 : 4278-4284, 2017

8 Christian, Szegedy, "Going deeper with convolutions" 1-9, 2015

9 Ross Girshick, "Fast R-CNN" 1440-1448, 2015