메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김형래 (인하대학교) 김학일 (인하대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제4호(통권 제545호)
발행연도
2023.4
수록면
55 - 64 (10page)
DOI
10.5573/ieie.2023.60.4.55

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 적대적 생성 네트워크(GAN)를 이용한 차량번호판 합성영상 생성과 이를 위한 이미지 정합 기반 pseudo-labeling 방법을 제안한다. AI-HUB의 공공 데이터는 차량번호판 영역에 모자이크와 같은 개인정보 비식별화가 적용된 이미지로 구성되어 있으나, 이는 이미지가 훼손되었을 뿐만 아니라 학습 데이터로서의 유용성이 저하된 것이다. 따라서 본 논문은 개인정보로부터 자유롭고 실제 영상과 이질감이 없는 차량번호판 합성영상 생성 네트워크를 소개한다. 제안하는 GAN 기반 Masked-pix2pix 네트워크의 학습을 위해, 가상번호판을 생성하고 원본 영상과의 특징점 매칭 및 이미지 정합을 수행하는 pseudo-labeling 기법으로 이미지 쌍을 구축한다. 학습된 결과는 PSNR과 SSIM의 값이 각각 42.08dB, 97.84%로 Pix2pix에 비해 0.17dB, 0.82%p 높게 측정되어 네트워크의 우수성을 증명하였다. 또한, 주야간 환경 조건에서의 강인함과 해외 번호판에서의 적용 가능성을 보여 알고리즘의 일반성을 높였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 이미지 정합 기반의 Pseudo-labeling
Ⅲ. Masked-pix2pix 네트워크
Ⅳ. 실험 결과 및 분석
Ⅴ. 결론
REFERENCES

참고문헌 (20)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-569-001465658