조건부 무작위장을 사용한 세그넷의 시맨틱 영상 분할 성능 향상Improving the Semantic Image Segmentation Performance of SegNet Using Conditional Random Fields

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 835
  • Download : 0
DC FieldValueLanguage
dc.contributor.author김윤형ko
dc.contributor.author은현준ko
dc.contributor.author정찬호ko
dc.contributor.author김창익ko
dc.date.accessioned2018-06-19T08:30:22Z-
dc.date.available2018-06-19T08:30:22Z-
dc.date.created2018-06-19-
dc.date.created2018-06-19-
dc.date.created2018-06-19-
dc.date.issued2018-03-
dc.identifier.citation한국통신학회논문지, v.43, no.3, pp.519 - 521-
dc.identifier.issn1226-4717-
dc.identifier.urihttp://hdl.handle.net/10203/242642-
dc.description.abstract본 논문에서는 CRF를 이용한 SegNet의 시맨틱 영상 분할 성능 향상 방법을 제안한다. 심층 합성곱 신경망 구조로 이루어진 SegNet은 특징 맵에 대한 반복적인 스케일링을 수반하기 때문에 영상 분할 결과의 선명도가 낮다. CRF 알고리즘은 원본 영상의 구조 및 질감 패턴에 따라 SegNet의 분할 결과를 보간함으로써 선명도 및 정확도를 개선한다. CamVid 데이터 셋에 대해 성능 비교 평가를 수행하였으며, 제안하는 방법이 더 높은 성능을 가짐을 보였다. 본 연구는 시맨틱 영상 분할 방법 개선에 실질적인 도움이될 것으로 판단된다.-
dc.languageKorean-
dc.publisher한국통신학회-
dc.subjectSemantic segmentation-
dc.subjectConditional random field-
dc.subjectDeep convolutional neural network-
dc.title조건부 무작위장을 사용한 세그넷의 시맨틱 영상 분할 성능 향상-
dc.title.alternativeImproving the Semantic Image Segmentation Performance of SegNet Using Conditional Random Fields-
dc.typeArticle-
dc.type.rimsART-
dc.citation.volume43-
dc.citation.issue3-
dc.citation.beginningpage519-
dc.citation.endingpage521-
dc.citation.publicationname한국통신학회논문지-
dc.identifier.kciidART002332224-
dc.contributor.localauthor김창익-
dc.contributor.nonIdAuthor정찬호-
dc.description.isOpenAccessN-
Appears in Collection
EE-Journal Papers(저널논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0