깊은 신경망 기반 영상 화질 개선 모델을 활용한 저품질 영상에서의 객체 검출 성능 향상

Q: 이 논문에서 정의한 초해상도(Super-Resolution)란 무엇인가?

초해상도(Super-Resolution)는 저해상도 영상을 고해상도 영상으로 복원하여 화질을 개선하는 기술이다. 본 논문에서는 깊은 신경망 기반의 초해상도 모델인 EDSR을 활용하여, 저품질 영상의 해상도와 화질을 향상시키는 방법론을 제시한다.

Q: 깊은 신경망 기반 초해상도 모델이 객체 검출 성능에 어떤 영향을 미치는가?

연구 결과, 깊은 신경망 기반 초해상도 모델을 활용하면 저품질 영상에서 객체 검출 성능이 크게 향상된다. 특히 객체 크기가 작은 영상의 경우, 얼굴 검출 성능은 최대 54.8%, 일반 객체 검출 성능은 최대 370.0%까지 평균 정밀도가 증가하는 것으로 나타났다.

김대희; 유영준; 노송; 이재구

doi:10.7840/kics.2020.45.12.2169

추천

검색

질문

자료유형: 학술저널

저자정보: 김대희 (국민대학교) 유영준 (국민대학교) 노송 (인천대학교) 이재구 (국민대학교)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제45권 제12호

발행연도: 2020.12

수록면: 2,169 - 2,176 (8page)

DOI: 10.7840/kics.2020.45.12.2169

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

객체 검출 기술은 입력 영상의 낮은 화질 및 해상도 등의 한계에 부딪혀서, 현실에서는 성능이 저하될 수 있다. 본 논문은 현실에서의 객체 검출 기술 성능을 실질적으로 향상시키고자, 깊은 신경망 기반 초해상도 (Super-Resolution) 모델을 활용하는 방법을 제안한다. 우리는 실험으로 얼굴 검출과 일반적 객체 검출, 두 조건 모두에 대해 검증하였으며, 현실의 영상 환경을 시뮬레이션하기 위해 복합적인 영상 열화 방법을 사용하였다. 실험 과정으로, 먼저 전통적인 영상 크기 변환 방법인 쌍입방 보간법(Bicubic Interpolation)과 가우시안 노이즈, 가우시안 블러 등을 복합적으로 활용하여 영상을 열화 및 다운샘플링(Down-sampling)한 후, 쌍입방 보간법과 깊은 신경망 기반 최신 초해상도 모델인 EDSR(Enhanced Deep Residual Networks for Single Image Super-Resolution) 을 사용하여 각각 영상을 복원한다. 이렇게 생성한 영상을 얼굴 검출용 깊은 신경망 모델로 RetinaFace, 일반적 객체 검출용 깊은 신경망 모델로는 EfficientDet-D7을 활용하여 평균 정밀도(Average Precision)를 비교 및 분석하였다. 이러한 과정을 Widerface와 COCO 데이터 집합을 기반으로 정량적 실험을 수행하였고, 여러 열화 방법 조건에서 객체 크기가 작은 경우, 얼굴 검출은 최대 54.8%, 일반적 객체 검출은 370.0%만큼 성능이 향상되는 것을 검증하였다. 따라서 깊은 신경망 기반 초해상도 모델을 활용하여, 현실에서 객체 검출 기술의 실질적 성능을 향상시킬 수 있을 것으로 판단된다.

#Super-Resolution #Deep Neural Network #Object Detection #Face Detection #Enhancing Performance

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)