KCI우수등재
Deformable convolutional network를 기반으로 한 Mask R-CNN
저자
김민종(Minjong Kim) ; 이영섭(Youngseop Lee) ; 임창원(Changwon Lim) 연구자관계분석
발행기관
학술지명
한국데이터정보과학회지(Journal of the Korean data & information science society)
권호사항
발행연도
2020
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
993-1008(16쪽)
DOI식별코드
제공처
소장기관
객체 탐색은 자율 주행, 실시간 보안, 건설 자동화에서 활용될 수 있는 기술로서 각광 받고 있는 컴퓨터 비전 응용 기술이다. 최근 딥러닝을 기반으로 한 객체 탐색 모델이 등장하였고 딥러닝 기술의 발전과 함께 빠른 속도로 객체 탐색 모델들도 발전하고 있다. 객체 탐색 모델들은 대용량 크기의 입력값인 이미지를 처리하기 위해 공통적으로 CNN (convolutional neural network)를 사용한다. 하지만 CNN은 객체의 크기에 상관없이 공통된 필터를 사용하는 문제점이 있다. 본 연구에서는 오프셋 (offset)을 이용해 객체에 대응하는 필터를 만드는 Deformable convolutional network를 Mask R-CNN에 적용해 합성곱 네트워크의 문제점을 해결하고 객체 탐색 알고리즘의 정확도를 높이는 방법을 제안하고자 한다. 제안된 방법은 Pascal VOC와 COCO 데이터를 이용해 성능실험을 수행하였고, 기존의 Mask R-CNN 방법보다 성능이 개선되는 결과를 보였다.
더보기Object detection is a computer vision application technology that is in spotlight as a technology that can be used in autonomous driving, real-time security and construction automation. Recently, object detection models based on deep learning has appeared, and object detection models are also developing at a rapid pace with the development of deep learning technology. Object detection models commonly use convolution neural network (CNN) to process a large size of image data. However, CNN has a problem of using a common filter regardless of the size of the object. In this paper, we propose a method to solve the problem of the CNN and improve the accuracy of objection detection algorithm by applying a deformable convolutional network that creates a filter corresponding to an object using an offset to Mask R-CNN. The proposed method is evaluated by an experiment using Pascal VOC and COCO data, and it can be shown that the proposed method outperforms the existing Mask R-CNN method.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)