| 한글제목(Korean Title) |
의미적 분할 심층학습을 위한 데이터셋 생성 방법 |
| 영문제목(English Title) |
A Method of Generating Dataset for Sematic Segmentation Based on Deep Learning |
| 저자(Author) |
이상협
박장식
Sang-hyeop Lee
Jangsik Park
|
| 원문수록처(Citation) |
VOL 23 NO. 02 PP. 0088 ~ 0090 (2019. 10) |
한글내용
(Korean Abstract) |
본 논문에서는 영상 기반의 가스누출 감지를 위한 학습 데이터셋에 효율적인 GT(Ground Truth)를 생성하기 위한 시스템을 제안한다. K-평균 군집화(K-Means Clustering)를 이용하여 가스누출 영역과 이외의 영역을 분할 및 클러스터링을 한다. 가스누출 영역 내에 제거 되지 못한 부분을 임계값(Threshold) 분할과 차영상을 사용하여 가스누출 영역을 검출한다. 차영상으로 발생한 잡음을 제거하기 위해 모폴로지 열림 연산(Morphology Opening Operations)을 사용한다. 기존의 수작업보다 본 논문에서 제안하는 자동으로 생성된 GT가 효율적임을 각 단계별 비교를 통해 우수함을 보인다. |
영문내용
(English Abstract) |
In this paper, we propose a system for generating an efficient GT(Ground Truth) in the training dataset for image-based gas leak detection. K-Means Clustering is used to segment and cluster gas leaks and other regions. The gas leakage region is detected using a threshold and a difference image of the portion that cannot be removed in the gas leakage region. Morphology Opening Operations are used to remove the noise caused by the difference image. It shows that the automatically generated GT proposed in this paper is more efficient than the existing manual work by comparing each step. |
| 키워드(Keyword) |
Semantic segmentation
Deep learning
Ground truth
K-means algorithm
|
| 파일첨부 |
PDF 다운로드
|
