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
- 박길흠
- 발행연도
- 2023
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수2
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
Segmenting objects through the Digital Image Processing makes it difficult to draw high accuracy in a complex background.
In this paper, we propose a method of using deep-learning segmentation to segment objects in complex environments, providing ROI(Region of Interest) of images as a pre-processing, and Thresholding in the post-processing.
The proposed method is to detect the position of the hand in a complex image using a deep learning-based object recognition algorithm employing the YOLOv4 model; to expand the ROI so that the deep learning-based segmentation techniques using the U-Net model can be applied locally, not on the entire image; and to process by Thresholding through Otsu''s Binarization method. We applied the proposed algorithm to hand images with complex backgrounds and verified the effectiveness of the algorithm by measuring the IoU values of the masks of correct answers and results.
In this paper, we propose a method of using deep-learning segmentation to segment objects in complex environments, providing ROI(Region of Interest) of images as a pre-processing, and Thresholding in the post-processing.
The proposed method is to detect the position of the hand in a complex image using a deep learning-based object recognition algorithm employing the YOLOv4 model; to expand the ROI so that the deep learning-based segmentation techniques using the U-Net model can be applied locally, not on the entire image; and to process by Thresholding through Otsu''s Binarization method. We applied the proposed algorithm to hand images with complex backgrounds and verified the effectiveness of the algorithm by measuring the IoU values of the masks of correct answers and results.
목차
I. 서 론 1II. 기존 손 분할 31. Color-based 손 세그멘테이션 32. Region-based 손 세그멘테이션 5III. 딥러닝을 이용한 국부 영역 기반 손 분할 101. YOLOv4를 이용한 관심 영역 검출 112. U-Net을 이용한 손 세그멘테이션 17IV. 실험 및 결과 22V. 결 론 36참 고 문 헌 37영 문 초 록 40
최근 본 자료
댓글(0)
0