Current Result Document :
| 한글제목(Korean Title) |
지칭 표현을 이용한 작은 물체 세그멘테이션 |
| 영문제목(English Title) |
Referring Expression Segmentation on Small Objects |
| 저자(Author) |
김정현
강기천
설한울
장병탁
Junghyun Kim
Gi-Cheon Kang
Hanwool Sul
Byoung-Tak Zhang
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0839 ~ 0841 (2022. 12) |
한글내용
(Korean Abstract) |
본 논문에서는 작게 보이는 작은 물체가 있는 이미지에서 지칭 표현 세그멘테이션 테스크(Referring Expression Segmentation task)를 풀 때의 문제를 제기하고 이에 대한 해결 방안을 제안한다. 지칭 표현 세그멘테이션은 여러 물체가 담겨있는 이미지와 이미지 내의 한 물체를 나타내는 명사구인 지칭 표현이 주어졌을 때 해당 물체의 세그멘테이션 마스크를 찾아주는 테스크다. 이 테스크는 로봇이 사람과 소통할 때 혹은 여러 시각-언어 멀티 모달 테스크를 풀고자 할 때중요하게 적용된다. 여기서 이동형 로봇이나 스마트 차량 혹은 드론 등에 적용될 때 입력되는 시각 정보의 화질을 고려해야 하며, 고화질의 이미지에 대해서도 작은 물체를 탐지해야 할 때도 있다. 하지만 기존의 지칭 표현 세그멘테이션에 대한 연구들 에서는 작은 물체를 잘 탐지하지 못하는 문제를 다루지 않고 있으며, 이 문제를 다루더라도 정성적으로 결과를 확인하는 단계까지 밖에 미치지 못했다. 따라서 본 연구는 첫번째로 작은 물체에 대하여 지칭표현 세그멘테이션을 잘하지 못 하는 것을 정량적으로 확인한다. 두 번째로 이러한 문제를 해결하기 위하여 기존 데이터 셋을 변형하는 방법을 제안하고 변형된 데이터로 기존 모델을 추가 학습시켜 성능을 향상 시킴으로써 우리가 제안한 데이터 변형 방법의 타당성을 정량적으로 검증한다. 결과적으로 기존 연구는 기존 데이터 셋으로 66.79만큼의 성능을 보였지만 작은 물체 검증 데이터 셋으로 53.9의 결과가 나와 작은 물체가 있을 때 해당 테스크를 잘 수행하지 못하는 것을 확인하였다. 또한, 변형된 데이터로추가 학습한 모델의 성능이 기존모델의 성능보다 작은 물체 검증 데이터에서 6.41% 포인트 향상됨을 확인하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
