상세 보기
초록
의미적 이미지 분할은 이미지를 구성하는 각 픽셀을 사전에 정의된 클래스로 분류하는 컴퓨터 비전의 분야 중 하나이다. 본 연구에서는 최근에 발표된 서로 다른 인코더 구조를 지닌 4개의 인공신경망 모형에 대하여 Cityscapes 데이터의 일부를 활용하여 학습하고 나머지 데이터를 통하여 정량 평가를 통해 모형을 비교하였다. 또한 네이버 거리 뷰에서 제공하는 이미지를 수집하여 학습된 모형을 적용하고 분할 결과 이미지를 기반으로 정성적인 비교를 수행하였다. 실험 결과 Cityscapes 데이터에 대해서는 InternImage 모형의 성능이 가장 우수하게 나타났으며, 네이버 거리 뷰 이미지 데이터에 대해서는 InternImage 모형과 ConvNeXt 모형이 유사한 성능을 나타냈으며, 다른 모형 대비 우수한 성능을 나타내었다.
키워드
Cityscapes images; neural network model; semantic image segmentation; streetview images; transformer.; 거리 뷰 이미지; 도시 경관; 의미적 이미지 분할; 인공신경망 모형; 트랜스포머.
- 제목
- 의미적 이미지 분할에 대한 인공신경망 모형 비교 연구
- 제목 (타언어)
- Comparative study of artificial neural network models for semantic image segmentation
- 저자
- 조보현; 전보강; 이지호; 홍석환; 유동현
- 발행일
- 2024-11
- 유형
- Y
- 저널명
- 한국데이터정보과학회지
- 권
- 35
- 호
- 6
- 페이지
- 769 ~ 789