인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 딥러닝 기반 단일 이미지를 활용한 객체 탐지 기술의 활발한 연구가 이루어지고 있다. 하지만, 단일 이미지는 연속적인 영상에 비해 활용할 수 있는 정보의 양이 적기 때문에, 단일 이미지만을 활용한 객체 탐지는 여러 한계점을 가진다. 이에 본 논문은 단일 이미지에서 얻을 수 없는 연속적인 영상 정보를 활용하여 비디오 기반 객체 탐지 성능 향상 기법을 제안한다. 1) RAS (Re-Assess Score) 모듈 기반 과거 탐지 정보를 활용한 탐지 점수 재평가 기법. 2) AT (Adaptive Template Matching) 모듈을 이용한 미검출 보완 기법. 3) LV (Label Voting) 모듈을 이용한 오분류 보완 기법. 제안하는 3가지 기법을 통해, 단일 이미지에서 쉽게 발생할 수 있는 오분류 및 미검출 문제를 개선할 수 있으며 전반적인 탐지 성능을 개선할 수 있다. 제안 방법은 어떠한 객체 탐지 모델에도 적용할 수 있는 플러그인 형태의 추적 기반 모듈로, CNN 계열 탐지 모델인 YOLOX와 Transformer 계열 탐지 모델인 RT-DETRv2 모델을 공개 데이터셋인 FLIR-ADAS-V2에 적용하여 평가하였다. 그 결과, YOLOX 및 RT-DETR 탐지 단독 모델 대비 mean Average Precision (mAP) 기준 각 1.4%, 3.6% 성능 향상을 확인했다. 또한, 자체적으로 구축한 데이터셋에서도 제안 기법의 강건함을 증명함으로써 일반화 성능을 검증했다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092462611
