작은 물체에 강인한 초해상도 특질기반 객체 검출기
Super-resolved Feature based Object detection for Small Things - Super-resolved RCNN (SR RCNN)

DC Field Value Language
dc.description학위논문 (석사) -- 서울대학교 대학원 : 공과대학 컴퓨터공학부, 2020. 8. 이상구.-
dc.description.abstract작은 객체 검출기란 이미지 내 작은 객체에 대한 성능 향상을 목표로 작은 객체에 특화된 객체 검출기를 의미한다. 이러한 작은 객체 검출기는 자율주행, 패션, 군사, 보안, 의료와 같은 다양한 산업분야에서 필요로 하는 중요한 연구 분야로 자리잡아 가고 있다.

객체 검출기가 작은 객체를 검출하는 성능이 다른 크기의 객체보다 상대적으로 낮은 성능을 보이는 이유로는 입력 이미지의 크기, 추출된 이미지 특질의 표현 한계라는 복합적인 원인에 의해 발생된다. 이를 해결하기 위해 최근 다양한 방법이 연구되어 좋은 성능을 보였지만, 이로 인해 매우 많은 연산 자원이 필요해지고 End-to-end 학습이 불가능해지는 등의 문제가 생겼다.

본 연구에서는 좋은 성능을 유지하면서 매우 많은 연산 자원이나 여러 단계로 나누어진 학습 과정을 해결하기 위해 초해상도 생산적 적대 신경망 기반 작은 객체 검출기를 제안한다. 최종적으로 객체 검출기의 전체 성능 mAP(all)이 비슷한 수준에서 중간, 작은 객체 성능의 향상이 됐음을 확인하였다.
dc.description.abstractThe small object detector refers to an object detector that is specialized to detect small objects in an image. These small object detectors are becoming an important research area since they are used in various industries such as self-driving, fashion, military, security and health care.

The reason why object detectors show relatively low performance for smaller objects than different size objects is due to a size of input image and the limits of expression of the extracted image characteristics.

To solve this problem, various methods have recently been studied and shown good performance, however, these have caused problems such as the need for a lot of computational resources and the inability to end-to-end learning.

This study proposes small object detection based on generative adversarial neural network to overcome the problem that needs many computational resources or multiple-step learning processes while maintaining good performance.

Finally, detecting medium and small object was improved while maintaining overall performance mAP(all) in similar level.
dc.description.tableofcontents제 1 장 서 론 1
제 1 절 연구의 배경 1
제 2 절 연구의 범위와 내용 7
제 3 절 논문의 구성 10
제 2 장 관련 연구 12
제 1 절 생산적 적대 신경망 12
제 2 절 초해상도 기반 객체 검출기 14
제 3 절 작은 객체에 특화된 특질 추출 네트워크 15
제 3 장 모델 설명 17
제 1 절 기존 연구의 문제점 17
제 2 절 아키텍처 20
제 3 절 생성자의 구조 23
제 4 절 손실 함수 25
제 4 장 실 험 33
제 1 절 데이터셋 33
제 2 절 학습 방법 35
제 3 절 실험 결과 36
제 5 장 결 론 43
제 1 절 결론 및 고찰 43
제 2 절 향후 연구 45
참고 문헌 48
dc.publisher서울대학교 대학원-
dc.subject작은 객체 검출기-
dc.subject초해상도 생산적 적대 신경망-
dc.subject객체 검출기-
dc.subject사물 인식-
dc.subject작은 객체-
dc.subject관심 영역-
dc.subjectSmall object detector-
dc.subjectSuper-resolved generative adversarial network-
dc.subjectObject detector-
dc.subjectObject recognition-
dc.subjectSmall object-
dc.subjectRegion of interest-
dc.title작은 물체에 강인한 초해상도 특질기반 객체 검출기-
dc.title.alternativeSuper-resolved Feature based Object detection for Small Things - Super-resolved RCNN (SR RCNN)-
dc.contributor.AlternativeAuthorJeeseung Han-
dc.contributor.department공과대학 컴퓨터공학부-
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Computer Science and Engineering (컴퓨터공학부)Theses (Master's Degree_컴퓨터공학부)
Files in This Item:
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.