정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 584 / 585
| 한글제목(Korean Title) |
합성 데이터를 통한 부분 가려짐에 강인한 군용 차량 검출 |
| 영문제목(English Title) |
Robust Military Vehicle Detection under Partial Occlusion with Synthetic Data |
| 저자(Author) |
조선영
Sunyoung Cho
|
| 원문수록처(Citation) |
VOL 27 NO. 11 PP. 0519 ~ 0530 (2021. 11) |
한글내용
(Korean Abstract) |
최근 심층 신경망 기반 객체 검출 기술의 발전에도 불구하고 부분적으로 가려진 객체를 검출하는 것은 여전히 어려운 문제이다. 객체의 외관 및 형태에 대한 제한적인 정보로 인해 가려짐이 있는 객체에 대한 정확한 바운딩 박스를 찾거나 클래스를 구별하는 것이 어렵기 때문이다. 본 논문에서는 가려짐을 갖는 데이터를 합성하여 생성하고, 이를 이용한 모델 학습을 통해 부분 가려짐이 있는 객체의 검출 성능을 향상시키는 방법을 제안한다. 다양한 가려짐 상황을 고려하기 위해 다양한 가려짐 레벨 및 종류에 따라 합성 데이터를 생성한다. 제안하는 방법의 성능을 평가하기 위해 실제 군용 차량에 대한 데이터셋을 수집하였고, 이에 대한 합성 데이터를 생성하여 모델 학습에 활용하였다. 다양한 실험을 통해 합성 데이터를 이용하여 학습한 모델이 부분 가려짐을 갖는 객체 검출 성능을 향상시킴을 보였다. |
영문내용
(English Abstract) |
Although advances in object detection are based on deep neural networks, detecting partially occluded objects remains a difficult task. Localizing or classifying objects under partial occlusion is difficult due to limited information about the appearances and shapes of the objects. This paper generates synthetically occluded data and presents a method to improve object detection under partial occlusion by synthetic data. We generated synthetic data with various levels and types of occlusion to consider various occlusion situations. To evaluate our method, we collect a military vehicle dataset and exploit the synthetically occluded data generated by our method for model learning. We show that our model trained with synthetic data improves object detection under partial occlusion through various experiments. |
| 키워드(Keyword) |
부분 가림
객체 검출
가려짐 합성
군용 차량 검출
심층 합성곱 신경망
partially occluded
object detection
synthetically occluded
military vehicle detection
deep convolutional neural networks
|
| 파일첨부 |
PDF 다운로드
|
