KLI

딥러닝 기반 거리 영상의 Semantic Segmentation을 위한 Atrous Residual U-Net

Metadata Downloads
Abstract
본 논문에서는 U-Net 기반의 semantic segmentation 방법에서 정확도를 개선하기 위한 Atrous Residual U-Net (AR-UNet)을 제안하였다. U-Net은 의료 영상 분석, 자율주행 자동차, 원격 감지 영상 등의 분야에서 주로 사용된다. 기존 U-Net은 인코더 부분에서 컨볼루션 계층 수가 적어 추출되는 특징이 부족하다. 추출된 특징은 객체의 범주를 분류하는 데 필수적이며, 부족할 경우 분할 정확도를 저하시키는 문제를 초래한다. 따라서 이 문제를 개선하기 위해 인코더에 residual learning과 ASPP를 활용한 AR-UNet을 제안하였다. Residual learning은 특징 추출 능력을 개선하고, 연속적인 컨볼루션으로 발생하는 특징 손실과 기울기 소실 문제 방지에 효과적이다. 또한 ASPP는 특징맵의 해상도를 줄이지 않고 추가적인 특징 추출이 가능하다. 실험은 Cityscapes 데이터셋으로 AR-UNet의 효과를 검증하였다. 실험 결과는 AR-UNet이 기존 U-Net과 비교하여 향상된 분할 결과를 보였다. 이를 통해 AR-UNet은 정확도가 중요한 여러 응용 분야의 발전에 기여할 수 있다.
Author(s)
신석용이상훈한현호
Issued Date
2021
Type
Article
Keyword
ASPP딥러닝인코더-디코더잔차 학습Semantic segmentationU-Net
DOI
10.22156/CS4SMB.2021.11.10.045
URI
https://oak.ulsan.ac.kr/handle/2021.oak/9182
https://ulsan-primo.hosted.exlibrisgroup.com/primo-explore/fulldisplay?docid=TN_cdi_nrf_kci_oai_kci_go_kr_ARTI_9873182&context=PC&vid=ULSAN&lang=ko_KR&search_scope=default_scope&adaptor=primo_central_multiple_fe&tab=default_tab&query=any,contains,%EB%94%A5%EB%9F%AC%EB%8B%9D%20%EA%B8%B0%EB%B0%98%20%EA%B1%B0%EB%A6%AC%20%EC%98%81%EC%83%81%EC%9D%98%20Semantic%20Segmentation%EC%9D%84%20%EC%9C%84%ED%95%9C%20Atrous%20Residual%20U-Net&offset=0&pcAvailability=true
Publisher
융합정보논문지
Location
대한민국
Language
한국어
ISSN
2586-4440
Citation Volume
11
Citation Number
10
Citation Start Page
45
Citation End Page
52
Appears in Collections:
Engineering > IT Convergence
공개 및 라이선스
  • 공개 구분공개
파일 목록
  • 관련 파일이 존재하지 않습니다.

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.