정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
능동 시각을 이용한 이미지-텍스트 다중 모달 체계 학습 |
| 영문제목(English Title) |
Active Vision from Image-Text Multimodal System Learning |
| 저자(Author) |
김진화
장병탁
Jin-Hwa Kim
Byoung-Tak Zhang
|
| 원문수록처(Citation) |
VOL 43 NO. 07 PP. 0795 ~ 0800 (2016. 07) |
한글내용
(Korean Abstract) |
이미지 분류 문제는 인간 수준의 성능을 보이지만 일반적인 인식 문제는 어려운 점들이 남아있다. 실내 환경은 다양한 정보를 담고 있어 정보 처리의 양을 효율적으로 줄일 필요성이 있다. 정보의 양을 효율적으로 줄일 수 있도록 대상 객체의 위치 측정을 위한 변분 추론, 변분 베이지안 등의 방법이 소개되었지만, 모든 경우에 대한 주변(marginal) 확률 분포를 구하기 어렵기 때문에 현실적으로 계산하기 어렵다. 본 연구에서는 공간 변형 네트워크(Spatial Transformer Networks)을 응용하여 능동 시각을 이용한 이미지-텍스트 통합 인지 체계를 제안한다. 이 체계는 주어진 텍스트 정보를 바탕으로 이미지의 일부를 효율적으로 샘플링 하도록 학습한다. 이를 통해 전통적인 방법으로 해결하기 어려운 문제를 상당한 격차로 성능을 향상 시킬 수 있다는 것을 보인다. 제안하는 모델을 통해 샘플링 된 이미지를 정성적으로 분석하여 이 모델이 가지는 특성도 함께 살펴본다.
|
영문내용
(English Abstract) |
In image classification, recent CNNs compete with human performance. However, there are limitations in more general recognition. Herein we deal with indoor images that contain too much information to be directly processed and require information reduction before recognition. To reduce the amount of data processing, typically variational inference or variational Bayesian methods are suggested for object detection. However, these methods suffer from the difficulty of marginalizing over the given space. In this study, we propose an image-text integrated recognition system using active vision based on Spatial Transformer Networks. The system attempts to efficiently sample a partial region of a given image for a given language information. Our experimental results demonstrate a significant improvement over traditional approaches. We also discuss the results of qualitative analysis of sampled images, model characteristics, and its limitations.
|
| 키워드(Keyword) |
시각 주의
능동 시각
객체 인식
딥 러닝
visual Attention
active vision
object recognition
deep learning
|
| 파일첨부 |
PDF 다운로드
|
