디지털 라이브러리[ 검색결과 ]
RF 신호 기반 다중 인물 자세 추정 성능 향상을 위한 모델 구조 분석 및 확장
http://doi.org/10.5626/JOK.2024.51.3.262
RF 신호 기반 다중 인물 자세 추정 시스템은 장애물이나 조명에 따라 시야 확보가 어려운 상황에서도 각 인물의 자세를 추정할 수 있다. 전통적으로 RF 신호 기반 모델의 학습을 위해 RF 신호 수집시 함께 촬영한 이미지를 사전 학습된 이미지 기반 자세 추정 모델의 입력으로 의사 레이블 데이터를 획득하여 이를 활용하는 크로스 모달 교사-학생 학습 방식을 사용하였다. 본 연구진은 이전 연구에서 교차지식 증류 기법을 적용하여 이미지 기반 학습 모델의 특징맵을 모방한 특징맵을 ‘시각적 단서’라고 명명하였고, 이는 RF 신호 기반 자세 추정 성능 향상에 도움이 되었다. 본 논문에서는 학습된 시각적 단서를 병합하는 비율에 따른 성능을 비교하고, 세그멘테이션 마스크 학습과 다중 프레임 입력 사용 시 다중 인물자세 추정 성능에 미치는 영향을 분석하였다. 시각적 단서와 다중 프레임 입력을 함께 사용하였을 시 가장 좋은 성능을 보여주었다.
트랜스포머를 이용한 1×1 초광대역 무선 신호 기반 사람의 자세 추정
http://doi.org/10.5626/JOK.2022.49.4.298
특정 공간에서 사람의 자세를 추정하는 문제는 컴퓨터 비전의 주요 분야 중 하나로 게임, 의료, 재난, 소방 보안, 군사 등 다양한 분야에 활용될 수 있는 중요한 기술이다. 최근 기계 학습과 접목하여 자세 추정의 정확도를 크게 높일 수 있었다. 하지만 이미지 기반의 방식은 신체의 일부 또는 전체가 장애물로 가려지거나 조명이 어두운 경우 자세 추정이 어렵다는 한계가 있다. 최근에는 무선 신호를 사용하여 사람의 자세를 추정하는 연구가 등장하였으며 이는 조명의 밝기에 영향을 받지 않고 장애물을 투과할 수 있다는 장점을 가지고 있다. 무선 신호를 기반으로 특정 위치를 추정하기 위해서는 두 쌍 이상의 송수신기가 필요하다는 것이 기존의 인식이었다. 본 논문에서는 한 쌍의 송수신기로 수집한 1×1 초광대역 무선신호만으로 딥 러닝을 적용하여 사람의 자세 추정 및 신체 세그멘테이션이 가능함을 보인다. 또한 트랜스포머 기반 모델을 통해 합성곱 신경망을 대체하고 더 나은 성능을 보이는 방법을 제안한다.
