SSD 방법을 이용한 Cut transition 검출 모델 


47권  7호, pp. 655-664, 7월  2020
10.5626/JOK.2020.47.7.655


PDF

  요약

샷 경계 검출은 영상 콘텐츠 분석을 위한 필수적인 기술로 꾸준히 연구되고 있다. 본 논문에서는 기존 연구의 단점을 보완하고 Cut transition의 정확한 위치를 찾아내기 위해 SSD(Single Shot Multibox Detector) 방법을 이용한 종단간학습(End-to-End Learning) 모델을 제안한다. 여러 개의 Cut transition을 예측하기 위해 SSD의 다중 스케일 특징 맵(Multi-Scale Feature Map)과 Default box 개념을 적용하였으며, Cut transition의 특징 정보를 강화하기 위해 이미지 비교 방법 중 하나인 Image Concatenation 개념을 모델에 결합하였다. 제안하는 모델은 최신 연구와 비교하여 다시 레이블링을 한 ClipShots 데이터셋과 TRECVID 2007 데이터셋에서 각각 88.7%, 98.0%의 정확도를 보였다. 또한 기존의 딥러닝 모델보다 정답에 가까운 범위를 검출할 수 있었다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

S. Park, U. N. Yoon, G. Jo, "The Cut Transition Detection Model Using the SSD Method," Journal of KIISE, JOK, vol. 47, no. 7, pp. 655-664, 2020. DOI: 10.5626/JOK.2020.47.7.655.


[ACM Style]

Sungmin Park, Ui Nyoung Yoon, and Geun-Sik Jo. 2020. The Cut Transition Detection Model Using the SSD Method. Journal of KIISE, JOK, 47, 7, (2020), 655-664. DOI: 10.5626/JOK.2020.47.7.655.


[KCI Style]

박성민, 윤의녕, 조근식, "SSD 방법을 이용한 Cut transition 검출 모델," 한국정보과학회 논문지, 제47권, 제7호, 655~664쪽, 2020. DOI: 10.5626/JOK.2020.47.7.655.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr