http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 나웅환 (검색결과 1 건)
-
임베디드 시스템용 Single Shot Multibox Detector Model 기반 적외선 열화상 영상의 객체 검출
나웅환 한국산업기술대학교 일반대학원 2020 국내석사
지난 수 년 동안 계속해서 일반 실상 카메라를 이용한 영상분석기술에 대한 연구가 활발히 진행되고 있다. 최근에는 딥러닝 기술을 적용한 지능형 영상분석기술로 발전해 왔으며 국방기지방호, CCTV, 사용자 얼굴인식, 머신비전, 자동차, 드론 산업이 활성화되면서 많은 시너지를 효과를 일으키고 있다. 그러나 어두운 밤과 안개, 날씨, 연기 등 다양한 여건에서 따라서 카메라의 영상분석 정확성 감소와 오류가 수반될 수 있다. 또한 일반적으로 딥러닝 기술을 활용하기 위해서는 고사양의 GPU를 필요로 하기 때문에 다른 추가적인 시스템이 요구된다. 본 논문에서는 주변 환경의 영향으로 객체 검출이 불가능하거나 성능이 극심하게 낮아지는 일반 실상 카메라의 단점을 보완하기 위해서 적외선 열화상 카메라를 사용하고 고사양의 GPU나 클라우드 서비스의 연결을 최소화하고자 딥러닝 모델을 임베디드 시스템에 내장할 수 있는 경량적인 딥러닝 모델을 활용하였다. 일반적으로 RGB 영상은 3개의 채널을 가지고 있는데, 적외선 열화상 카메라로 획득한 영상은 1개의 채널만 가지고 있다. 이에 적외선 열화상 카메라로 획득한 영상이 객체 검출 시스템의 특징 추출 네트워크로 입력되기 전에 3개의 합성곱 필터를 이용하여 전처리를 수행하여 채널을 늘린 후 특징 정보들을 다음 특징 추출 네트워크에 입력한다. SSD(Single Shot Multibox Detector)객체 검출 기법은 VGG-16을 기본 특징 추출 네트워크로 사용하는데, VGG-16 파라미터의 수가 굉장히 많고 연산이 오래 걸린다. 이에 VGG-16을 대체하여 경량적인 딥러닝 모델인 MobileNet을 SSD의 특징 추출 네트워크로 재구성하여 사양의 낮은 임베디드 시스템에서도 활용할 수 있는 합성곱 전처리 및 MobileNet-SSD를 제안한다. 실험결과 기존의 VGG-16-SSD 보다IOU:[0.5]기준 mAP 성능은 15.6% 낮지만, GPU의 FLOPs(초당 부동소수점 연산)는 약 28배, 파라미터의 수는 약 5배정도 감소하였으며, 또한 기존의 MobileNet-SSD 보다 FLOPs와 파라미터가 낮지만 IOU:[0.5]기준 mAP성능은 약 9.2% 정도 향상되었음을 확인 할 수 있었다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
