물체 분류 성능 향상을 위한 물체와 주변 영역을 고려한 특징 풀링 방법

Abstract

물체 영상 분류(object image categorization)의 목적은 영상에서 나타나는 물체가 어떤 종류의 물체 클래스에 속하는 지 판단하는 것이다. 최근 다양한 기기에서 영상 정보의 활용이 가능해지면서 물체 분류가 활용되는 사례가 증가하고 있다. 일반적인 물체 영상 분류 과정에서 풀링(pooling)은 추출한 여러 개의 지역 특징점 기술자를 모아 그 통계적인 값으로 영상 특징(image feature)을 구하는 역할을 한다. 기존의 물체 영상 분류 방법은 영상 전체나 인위적으로 정한 소구역(sub-region)에 속한 지역 특징점 기술자의 정보에 대해 각각 풀링을 수행한다. 이러한 방법은 격자 모양의 고정된 풀링 영역을 사용하기 때문에 영상 표현에 단순한 위치 정보만을 반영한다. 본 논문에서는 영상 내의 물체 위치를 반영하는 가변적인 풀링 영역을 사용하여 물체와 물체의 주변 영역을 고려하는 풀링 방법을 제안한다. 그리고 제안한 풀링 방법을 사용하여 물체 영역에 중점을 둔 영상 특징과 주변 영역에 중점을 둔 영상 특징을 구해 물체 분류에 사용한다. 또한 분류 단계에서 분류 신뢰도를 정의하여 분류 신뢰도가 낮은 샘플에 대해 추가적인 분류 과정을 더한 계층 구조 분류(hierarchical classification)를 적용하여 성능을 향상시켰다. 본 논문에서 제안한 방법은 Caltech-101 데이터 세트와 Drama 데이터 세트에 대한 분류 성능 측정을 통해 기존의 코드화 방법과 결합하여 성능을 향상시킬 수 있음을 검증하였다.