디지털 라이브러리[ 검색결과 ]
보행자 이미지에서 지역 다중규모 특징 임베딩 추출을 위한 어텐션 피라미드 이용의 보행자 재식별
http://doi.org/10.5626/JOK.2021.48.12.1305
본 논문에서는 보행자 이미지로부터 불필요한 배경 잡음을 배제시키며 정교한 지역 특징 임베딩(local feature embedding)을 추출하기 위해 어텐션 매커니즘을 결합시킨 이중 피라미드를 이용하는 새로운 보행자 재식별 방법을 제안한다. 규모 피라미드와 지역 피라미드로 구성된 이중 피라미드에 공간 어텐션을 적용해 특징 임베딩에 불필요한 배경 요소들이 반영되는 것을 억제시키고, 채널 어텐션을 적용해 추출된 다중규모 특징 중에서 상대적으로 중요도가 높은 것으로 지역 특징 임베딩이 구성되도록 한다. 실험에서는 각 구성 피라미드에 공간 어텐션과 채널 어텐션이 적용되는 효과를 비교함으로써 각 어텐션의 적용에 따른 재식별 정확도 변화를 관찰하고, 이를 기존의 우수 연구들과 비교하였다. 실험 결과에 따르면 제안 기법은 최대 99.4%의 1순위 정확도를 보였으며, 이는 기존 연구들보다 최소 약 0.2%, 최대 약 13.8%까지 높은 것으로 분석되었다.
Channel Attention과 그룹 컨볼루션을 이용한 효율적인 얼굴 감정인식 CNN
http://doi.org/10.5626/JOK.2019.46.12.1241
최근 얼굴 표정에서 감정을 인식하기 위한 문제에서 컨볼루션 신경망을 이용한 연구가 활발히 진행되고 있다. 본 논문에서는 사람의 얼굴 표정에서 나타나는 감정을 인식하기 위해 사용하는 딥 컨볼루션 신경망의 모델 복잡도(Complexity) 문제점을 해결한 효율적인 컨볼루션 신경망을 제안한다. 본 논문에서는 모델의 복잡도를 줄이기 위해 그룹 컨볼루션, 깊이별 분리 컨볼루션을 사용하여 파라미터 수와 연산량을 감소시키고 특징 연결을 위한 Skip Connection과 Channel Attention을 사용하여 특징의 재사용성과 채널 정보를 강화하였다. 제안하는 모델의 학습 파라미터 개수는 0.39 M(Million), 0.41 M으로 기존 모델에 비해 4배 이상 적은 수의 파라미터를 사용하여 FER2013, RAF-single 데이터셋에서 각각 70.32%, 85.23%의 정확도를 달성하였다.
