원형 커널과의 컨볼루션과 곡선 추적을 통한 이진 세그멘테이션 이미지의 중복 객체 구분

국문 초록 (Abstract)

인공 신경망을 사용하는 이미지 처리는 컴퓨팅 성능의 발전과 함께 아주 빠른 속도로 성장하였다. 하지만 실제 현장에 적용하기에는 고가의 시스템이 필요하기 때문에 실질적으로 어려움이 있기도 하다. 본 연구는 꿀벌 생태를 모니터링 하기 위한 영상처리 장치를 설계함에 있어 경량 알고리즘을 설계하는 과정에서 발생한 세그멘테이션 데이터의 객체 중복 현상을 해결하고자 한다. 각 픽셀을 클러스터의 데이터 포인트로 취급하고, 여러 객체의 픽셀이 연결되어 하나의 객체로 인지하는 상황을 해결하고자 한다. 객체와 크기가 비슷한 원형 커널과 컨볼루션 연산 후 미분을 통해 각 행과 열의 극대를 추출, 극대 곡선을 추적한 후 미분하여 객체의 중점을 추론한다. 중복된 객체에 대해 82%대의 정확도를 보였으며, 독립된 객체도 존재하는 일반적인 상황에서는 높은 정확도를 기대할 수 있을 것으로 보인다. 이러한 방식으로 추론되는 객체 탐지 방식은 유사한 사례들에서도 적은 컴퓨팅 파워만으로 동작할 수 있을 것이며, 이를 통해 더욱 적합한 시스템을 설계하는데 기여할 수 있을 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

Advancements in computing power have significantly enhanced neural network capabilities for image processing, yet high deployment costs often limit practical applications. This study presents a lightweight image processing system for monitoring bee ecology, addressing object duplication in segmentation data efficiently. Each pixel is treated as part of a cluster, and a circular kernel is used for convolution. This is followed by differentiation to extract local maxima and curve tracing to identify object centroids, effectively tackling the issue of overlapping objects. The method demonstrated an 82% accuracy in discriminating these objects and is expected to perform robustly with minimal computing resources in normal conditions where objects are not overlapped and distinct. This approach aids in designing cost-effective systems employing clustering algorithms, circular kernel convolution, and curve tracing techniques for similar applications.