디지털 라이브러리[ 검색결과 ]
수퍼포인트-고해상도신경망; HRNet을 이용한 관심점 검출방법
http://doi.org/10.5626/JOK.2021.48.2.226
관심자(interest point) 검출방법은 컴퓨터 비젼에서 영상 매칭과 영상 인식에서 기본적으로 사용되는 방법으로 SIFT와 ORB 등이 많이 사용되어 왔다. 관심자는 실제값(ground truth)을 얻는 것이 어렵기 때문에 합성 코너점을 이용한 관심자 의사 실제값을 사용해서 딥 러닝 모델을 학습한 SuperPoint가 개발되어서 컴퓨터 비젼의 고전적인 방법들과 유사한 성능을 보여줬다. 본 논문에서는 관심자 검출에서 가장 중요한 요소인 반복성(repeatability)을 개선하기 위해서 SuperPoint 의 특징 추출에 사용되는 컨볼루션 신경망(Convolutional Neural Network)을 다른 해상도의 활성화 지도들이 상호 보완적인 High Resolution Network(HRN)로 사용하고 관심자 검출 부분을 수정한 SuperPoint-HRN을 개발했다. 제안된 방법을 HPatches 데이터에서 평가하여 SuperPoint 방법보다 관심점의 반복성과 위치 정확도에서 큰 개선을 얻었다.
무선 멀티미디어 센서 네트워크에서 데이터인증을 위한 관심점 검출 방법의 평가
http://doi.org/10.5626/JOK.2019.46.2.184
무선 멀티미디어 센서 네트워크는 전달하는 영상데이터가 중요한 판단을 하는 근거가 되어서 이 영상의 진위여부가 무척 중요하다. 본 논문에서는 영상인증을 위해서 기존의 관심점 검출방법들을 무선멀티미디어 센서네트워크에서 발생할 수 있는 채널 오류에 대한 회복성, JPEG 압축에 대한 강인성, 부당변경에 대한 민감성에 대해서 평가한다. 평가는 USC-SIPI 영상을 이용하여 SIFT, SURF, ORB, AKAZE, SADDLE, HOG 방법들에 대해서 원 영상과 채널 오류나 JPEG 압축 그리고 영상 일부가 부당변경으로 변형된 영상간의 재현율과 정밀도를 평가했다. 채널오류의 영향을 줄이기 위해 중간값 필터를 적용하여 큰 성능향상을 얻었다. JPEG 압축의 영향을 줄이기 위해서 가우시안 필터를 적용하여 성능향상을 얻었다. 실험의 모든 조건에서 AKAZE 방법이 가장 좋은 성능을 나타냈고 이런 관심점 검출 방법이 무선멀티미디어 센서 네트워크에서 적용이 가능할 수 있음을 보여줬다.
