Current Result Document :
| 한글제목(Korean Title) |
다중 스케일 객체 검출을 위한 그래프 컨볼루션 네트워크 기반의 특성 맵 융합 기법 |
| 영문제목(English Title) |
Graph Convolution Network Based Feature Map Fusion Method for Multi Scale Object Detection |
| 저자(Author) |
황재기
강성주
정광수
Jaegi Hwang
Seongju Kang
Kwangsue Chung
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0572 ~ 0574 (2021. 12) |
한글내용
(Korean Abstract) |
딥러닝 기반의 객체 검출에서 다양한 스케일의 객체 검출 정확도를 향상시키는 것은 중요한 문제이다. 기존의 객체 검출 모델들은 다중 스케일의 객체 검출 성능을 높이기 위해 Feature pyramid 구조를 기반으로 한 Feature Pyramid Network (FPN)을 사용한다. 그러나, Feature pyramid의 인접한 두 계층을 순차적으로 융합하는 FPN의 방식은 여러 해상도의 특성 맵 정보를 균형 있게 융합하지 못해 최적의 성능을 보장할 수 없다. 본 논문에서는 다중 스케일 객체 검출을 위한 그래프 컨볼루션 네트워크 (GCN) 기반의 특성 맵 융합 기법을 제안한다. 제안하는 기법은 GCN을 기반으로 특성 맵 간 융합 과정을 행렬 곱 연산으로 모델링하고 융합 가중치를 학습한다. GCN 그래프의 에지는 특성 맵 간 관련성을 기반으로 초기화 된다. GCN을 통해 융합된 특성 맵은 Residual Feature Connection (RFC) 모듈을 통해 백본의 특성 맵 정보를 보강하여 정확도 손실을 방지한다. 실험 결과 제안하는 기법이 기존의 FPN기반의 방식보다 다중 스케일의 객체에서 더 나은 검출 정확도를 보이는 것을 확인하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
