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
- 백준기
- 발행연도
- 2021
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수0
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
행동 인식은 사람의 행동의 정확한 정보와 행동 과정의 이해를 필요로 한다. 이러한 문제에 집중하기 위해, 행동의 시-공간적 정보와 시간적 연관성의 학습이 필요하다. 기존의 컨볼루션 기반의 행동 인식 방법은, 시간적 연관성을 고려하지 않고 공간적 또는 시간적 정보의 학습에만 집중한다. 본 논문에서는 행동인식을 위한 단기 화소차 영상과 양방향 평균 이동신경망 방법을 제안한다. 제안된 방법은 RGB와 차등 이미지를 생성하고 이미지 분류 네트워크를 사용하여 심층 특징맵을 추출하는 방법으로 구성된다. 생성된 심층 특징맵은 제안된 양방향 이동 평균신경망을 통해 중요한 행동 구간에 높은 가중치를 부여한다. 마지막으로 C3D와 late fusion 시킴으로써 제안한 방법의 성능을 높이고 시간적 연관성의 중요도를 확인시켰다. 실험결과는 제안하는 방법이 기존의 베이스 라인 논문에 비해 더 높은 성능을 거두는 것을 보였다. 또한 제안한 네트워크는 행동 클래스 당 0.075초의 빠른 처리시간으로, 다양한 실시간 행동 인식 방법에 추가적으로 적용 가능한 발전 가능성을 보였다. 제안하는 네트워크는 지능형 감시 카메라에서 이상 행동 인식, Human Computer Interaction, 자율 주행 시스템 등의 다양한 분야에서 활용 가능하다.
목차
제 1장 서 론 11.1 연구 배경 21.2 연구 목적 및 내용 61.3 논문 구성 7제 2장 배경 이론 82.1 행동 인식을 위한 Hand-craft 방법 92.2 행동 인식을 위한 딥러닝 방법 10제 3장 단기 화소차 영상과 양방향 이동 평균 신경망 방법 133.1 전체 네트워크 아키텍처 143.2 행동 인식을 위한 비디오 프레임 샘플링 153.3 심층 특징맵 생성 방법 173.4 양방향 이동 평균 신경망 233.5 Late fusion과 최종 손실 26제 4장 실험결과 284.1 Datasets 294.2 실험 환경 304.3 Ablation Experiment 314.3.1 제안하는 방법의 Ablation Study와 효율성 검증 314.3.2 양방향 이동 평균 신경망 파라미터 비교 실험 334.4 정확도 비교 실험 354.5 실행 속도 비교 실험 36제 5장 결 론 375.1 결론 38참고문헌 40국문초록 43Abstract 45
최근 본 자료
댓글(0)
0