서지주요정보
Adaptive multi-scale feature aggregation for video object detection = 비디오에서의 객체 검출을 위한 적응형 멀티스케일 특징점 집계
서명 / 저자 Adaptive multi-scale feature aggregation for video object detection = 비디오에서의 객체 검출을 위한 적응형 멀티스케일 특징점 집계 / Sung-Hyun Park.
저자명 Park, Sung-Hyun ; 박성현
발행사항 [대전 : 한국과학기술원, 2020].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8036512

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MME 20081

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

We address an efficient object detection framework for videos. Despite high performance in many object detection methods using deep learning methods, there exist some cases that lower the detection performance in videos, such as blur due to the fast movement of objects or camera, occlusion, rare pose, etc. In this paper, to solve the above challenging problems, we propose an adaptive multi-scale feature aggregation method and design a new network for the proposal. Based on the one-stage object detection framework, we aggregate several adjacent frames' features in multi-scale to make it more robust on object size and learn the adaptive weights for the aggregation depend on the quality of features. We show that our proposed method can learn the adaptive weights throughout the network and can improve the performance of video object detection in the feature aggregation stage.

이 논문에서는 주어진 비디오 입력에 대해서 객체 검출을 효율적으로 하기 위한 방법을 다루었다. 최근 딥러닝의 발전으로 인한 단일 이미지에서의 높은 객체 검출률과는 달리, 비디오에서는 객체 또는 카메라의 빠른 움직임에 의한 흐려짐, 장애물에 의한 가려짐 또는 드문 자세 등과 같은 경우들로 인해 상대적으로 낮은 검출 성능을 갖는다. 본 연구에서는 위와 같은 도전적인 상황들에 대하여 효율적으로 객체 검출을 하기 위해 멀티스케일 특징점 집계 방법을 제시하였고 이를 위한 네트워크를 설계하였다. 단일 단계 객체 검출 네트워크를 기반으로 이웃한 프레임들의 특징점들을 프레임의 품질에 따라 가중치를 부여할 수 있도록 네트워크를 학습하였고 제안하는 방법을 통해 특징접 집계 단계에서 성능을 향상시킬 수 있음을 보였다.

서지기타정보

서지기타정보
청구기호 {MME 20081
형태사항 iv, 36 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 박성현
지도교수의 영문표기 : Kuk-Jin Yoon
지도교수의 한글표기 : 윤국진
학위논문 학위논문(석사) - 한국과학기술원 : 기계공학과,
서지주기 References : p. 31-34
주제 video object detection
object detection
optical flow
deep learning
feature aggregation
비디오 객체 검출
객체 검출
광학 흐름
심층 학습
특징점 집계
QR CODE qr code