Bayes Classifier 기반 중요 객체 검출(SOD) 알고리즘 = Salient Object Detection(SOD) Algorithm based on Bayes Classifier

다국어 초록 (Multilingual Abstract)

Recently, as the industry based on object recognition increases, salient object detection(SOD) research is increasing, and in particular, processing at high resolution is becoming important. Image processing-based SOD has a fast processing speed but low detection rate, and deep learning-based SOD has a high detection rate but slow processing speed and requires the use of a separate GPU. In this paper, we propose a machine learning-based SOD algorithm with high processing speed a high detection rate in high resolution images without using GPU. The proposed algorithm used Bayed Classifier, and uses entropy, colorfulness, contrast, and color distribution as learning feature. In addition, it was implemented in MATLAB R2019a, and improved performance was verified through visual evaluation, numerical evaluation, and comparison of processing speed with other algorithms.

국문 초록 (Abstract)

최근 객체 인식 기반 산업이 증가함에 따라 중요 객체 검출(SOD) 연구가 증가하고 있고, 특히 고해상도 영상의 처리가 중요해지고 있다. 영상처리 기반 SOD는 처리 속도는 빠르지만 낮은 검출률을 가지고, 딥러닝 기반 SOD는 높은 검출률을 가지지만 처리 속도는 느리며 별도의 GPU 사용이 필요하다. 본 논문에서는 GPU 사용 없이 고해상도 영상에서 빠른 처리 속도와 높은 검출률을 가지는 머신러닝 기반 SOD 알고리즘을 제안한다. 제안하는 알고리즘은 지도학습 중 하나인 베이즈 분류기를 사용하였고, 학습 특징으로 객체와 배경의 특성이 뚜렷한 엔트로피, 채도, 대비, 색상 분포를 사용하였다. 또한 MATLAB R2019a에서 구현하여 가시적 평가, 수치 평가, 다른 알고리즘과의 처리 속도 비교를 통해 개선된 성능을 검증하였다.

참고문헌 (Reference)

1 송재민 ; 이새봄 ; 박아름, "이미지 인식 기술의 산업 적용 동향 연구" 한국콘텐츠학회 20 (20): 86-96, 2020

2 Y. Li, "The secrets of salient object segmentation" 280-287, 2014

3 H. Jiang, "Salient Object Detection: A Discriminative Regional Feature Integration Approach" 2083-2090, 2013

4 W. Wang, "Salient Object Detection in the Deep Learning Era: An In-depth Survey" 2021

5 F. Perazzi, "Saliency filters: Contrast based filtering for salient region detection" 1155-1162, 2012

6 C. Yang, "Saliency Detection via Graph-Based Manifold Ranking" 3166-3173, 2013

7 J. Chen, "Image Thresholding Segmentation Based on Two Dimensional Histogram Using Gray Level and Local Entropy Information" 6 : 5269-5275, 2017

8 K. Jang, "Foreground Segmentation Using Morphological Operator and Histogram Analysis for Indoor Applications" E98-A (E98-A): 1998-2003, 2015

9 Y. G. Kim, "Development of visitor counter system for disaster situations and marketing based on real-time object recognition technology" 187-188, 2021

10 X. Qin, "BASNet: Boundary-Aware Salient Object Detection" 7471-7481, 2019

11 N. Otsu, "A Threshold Selection Method from Gray-Level Histograms" 9 (9): 62-66, 1979