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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 심동규
- 발행연도
- 2022
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
심층 신경망(Deep neural network)의 활동영역이 다양한 분야로
확대되는 과정에서, 영상처리를 위한 서버와 사용자 간의 이미지 전송이
개인정보 보안 문제로 대두되고 있다. 본 논문은 개인정보 보안 문제를
해결하기 위해, 이미지의 특징 맵을 전송하기 위한 압축 및 복원 방법을
제안한다. 제안한 방법은 심층 신경망 기반의 영상처리에서 객체의 크기에
대한 강인성을 이유로 많이 사용되는 FPN (feature pyramid network)
구조의 네트워크로부터 출력된 피라미드 특징 맵을 압축 및 복원한다.
FPN구조의 네트워크는 계층별로 피라미드 특징 맵이 추출되기 때문에
영상보다 일반적으로 데이터가 크며, 이 피라미드 특징 맵을 전송하기
위해서는 영상을 압축했을 경우의 압축률보다 더 높은 압축률이 요구된다.
본 논문은 FPN구조의 네트워크에서 계층별로 추출된 피라미드 특징
맵들을 효율적으로 압축하기 위한 네트워크 구조를 제안한다. 제안한
방법의 COCO 데이터셋에 대한 객체 탐지의 성능(mAP)은 R-P (rateprecision)
그래프에서 모든 피라미드 특징 맵을 압축하여 전송하는 방법
대비 BD-rate 75.42%의 성능향상을 보였으며, 계층 간 예측 방법으로 최단
입점 보간법을 적용하는 방법 대비 BD-rate 80.41%의 성능향상을 보였다.
확대되는 과정에서, 영상처리를 위한 서버와 사용자 간의 이미지 전송이
개인정보 보안 문제로 대두되고 있다. 본 논문은 개인정보 보안 문제를
해결하기 위해, 이미지의 특징 맵을 전송하기 위한 압축 및 복원 방법을
제안한다. 제안한 방법은 심층 신경망 기반의 영상처리에서 객체의 크기에
대한 강인성을 이유로 많이 사용되는 FPN (feature pyramid network)
구조의 네트워크로부터 출력된 피라미드 특징 맵을 압축 및 복원한다.
FPN구조의 네트워크는 계층별로 피라미드 특징 맵이 추출되기 때문에
영상보다 일반적으로 데이터가 크며, 이 피라미드 특징 맵을 전송하기
위해서는 영상을 압축했을 경우의 압축률보다 더 높은 압축률이 요구된다.
본 논문은 FPN구조의 네트워크에서 계층별로 추출된 피라미드 특징
맵들을 효율적으로 압축하기 위한 네트워크 구조를 제안한다. 제안한
방법의 COCO 데이터셋에 대한 객체 탐지의 성능(mAP)은 R-P (rateprecision)
그래프에서 모든 피라미드 특징 맵을 압축하여 전송하는 방법
대비 BD-rate 75.42%의 성능향상을 보였으며, 계층 간 예측 방법으로 최단
입점 보간법을 적용하는 방법 대비 BD-rate 80.41%의 성능향상을 보였다.
목차
제 1 장 서 론 1제 2 장 관련 이론 32.1 VIDEO CODING FOR MACHINE 32.2 FEATURE PYRAMID NETWORK 42.4 GENERALIZED DIVISIVE NORMALIZATION 6제 3 장 특징 맵 복원 및 예측 네트워크 83.1 피라미드 특징 맵의 계층 간 중복성 103.2 압축 손실 보상 143.3 상위 계층 피라미드 특징 맵 예측 9제 4 장 실험 결과 214.1 실험 환경 및 데이터 214.2 실험 결과 분석 22제 5 장 결 론 27참 고 문 헌 28
최근 본 자료
댓글(0)
0