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
- 이영훈
- 발행연도
- 2021
- 저작권
- 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.
이용수4
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
객체 인식은 이미지에서 특정 객체가 존재하는 영역의 바운딩 박스(bounding box)를 예측하는 태스크로서 대부분의 객체 인식 연구는 정방향의 4축의 좌표를 예측하여 바운딩 박스를 추론하는 방식을 사용한다. 그런데 4축 좌표의 바운딩 박스는 정방향이라는 특징으로 인해 기울어진 객체, 즉 방향성을 가지고 있는 객체를 정확히 특정하지 못하는 한계를 가지고 있고, 이로 인해 일반적으로 예측된 바운딩 박스의 겹침 정도가 심하다는 문제도 함께 가지고 있다. 치아 X-ray에서 개별 치아 객체를 인식하는 문제는, 대부분의 치아가 방향성을 가지고 있고, 치아 간 근접도가 높다는 점에서 정방향 기반 객체 인식의 한계를 보여주는 전형적인 태스크라고 할 수 있다. 본 연구에서는 정방향 객체 인식 기반의 치아 인식의 문제를 해결하기 위해 ‘방향성을 고려한 바운딩 박스(Rotated Bounding Box)’기반 객체 인식 기법을 제안한다. 제안한 모델에서는 바운딩 박스의 오리엔테이션 값을 함께 예측하는 모델을 학습시키기 위해 기존 알고리즘을 변형한 Rotated faster R-CNN 알고리즘을 활용한다. 정량적 평가는 객체 인식의 정밀도를 비교하기 위해 Class별 IoU를 비교하여 실험을 진행하였고, 생성된 이미지 및 loss 그래프를 통해 정성적 평가를 진행하였다. 이를 통해 방향성을 가진 객체를 더 정밀하게 인식할 수 있음을 확인하였다.
목차
I. 서 론 1II. 이론적 배경 41. Faster R-CNN 모델 42. Rotated Object Detection 모델 6III. 기존 연구 91. 기존의 치아 인식 모델에 대한 선행연구 92. 기존의 이미지 객체 인식 모델에 대한 선행 연구 13IV. 실험 방법 151. 바운딩 박스 및 객체 라벨 162. 학습방법 16V. 실험 및 결과 181. 데이터 요약 182. 실험환경 213. 평가지표 214. 실험결과 23VI. 결론 30참고문헌 31영문초록(Abstract) 37
최근 본 자료
댓글(0)
0