돌출맵 정보를 이용한 코드북 기반 객체인식

국문 초록 (Abstract)

코드북에 기반한 객체 인식 모델은 최근 여러 데이터베이스에서 뛰어난 인식 성능을 보였다. 이러한 코드북에 기반한 인식 방법은 이미지의 모든 지역 기술자를 동일한 중요도로 처리하여 영상을 표현한다. 하지만 이러한 일괄적인 처리 방식으로 인해 배경에서 계산된 코드가 객체 인식 성능에 나쁜 영향을 줄 수 있다. 논문에서는 돌출맵을 기존의 코딩 방식에 결합한 새로운 인식 방법을 제안한다. 돌출맵은 이미지의 각 영역의 시각적 중요도를 계산하므로 제안하는 방법은 이러한 시각적 중요도에 따라 각 코드의 응답을 조절한다. 이와 같은 과정을 통하여 배경과 같이 시각적 중요도가 낮은 부분에서 계산된 코드가 인식에 끼치는 영향을 줄일 수 있다. 본 논문에서는 대표적 코딩 방법인 LLC에 제안하는 방법을 적용하여 Caltech 데이터베이스로 인식 성능을 평가하였다. 그 결과 기존의 코딩 방법에 비해 향상된 객체 인식 성능을 보임을 확인하였다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 영상 코딩
• 3. 제안 하는 방법
• 4. 실험 결과
• 5. 결론
• 6. 참고문헌