모바일 백본을 적용한 CNN 기반 영상 정합 딥러닝 네트워크별 성능 및 한계 분석 연구 (Analysis Study of Performance and Limitations of Each Image Matching Deep Learning Network using Mobile Backbone)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 8호 / 25 ~ 36페이지
· 저자명 : 박인호, 이현재, 안우현, 김국병, 김영광

초록

영상정합의 추세는 전통적 특징 추출 기법부터 딥러닝을 이용한 기법까지 지속적인 발전을 이루었다. 그 중, 딥러닝 기법은 네트워크의 형태에 따라 다양한 성능을 도출 가능하며, 적절한 백본 및 손실 함수를 선택할 시 영상 정합에서 상당한 이점이 있다. 본 논문에서는 CNN 네트워크 딥러닝 기반의 영상 정합 네트워크들이 모바일 기기에 적용하기 무거운 백본 네트워크를 사용하고 있다는 문제점을 고려하여 다양한 모바일용 백본을 정합 네트워크에 적용하였다. 또한, 이러한 모바일용 백본 및 기존 딥러닝 네트워크를 통해 각 모바일 백본을 적용한 네트워크와 기존 네트워크 간의 성능을 비교 분석하며 모바일에서의 CNN 기반 딥러닝 정합 네트워크의 한계점을 분석한다. 모바일용 백본을 적용한 정합 네트워크를 TFLite를 통해 적용하여 성능을 비교 분석하며, 이러한 시도를 통해 빠른 속도와 낮은 용량을 요구하는 모바일용 영상 정합 네트워크를 연구자들이 쉽게 접근 및 분석할 수 있도록 도울 것이다.

영어초록

The trend of image matching has made continuous progress from techniques using traditional feature extraction to techniques using deep learning. Among them, the deep learning technique can derive various performances depending on the shape of the network, and has a significant advantage in image matching when an appropriate backbone and loss function are selected. In this paper, considering the problem that CNN-based image matching networks use backbone networks that are heavy to apply to mobile devices, various mobile backbones are applied to matching networks. In addition, through these mobile backbones and existing deep learning networks, we compare and analyze the performance between the networks to which each mobile backbone is applied and the existing networks, and analyze the limitations of CNN-based deep learning matching networks at mobile device. A matching network with a mobile backbone is applied to a mobile device through TFLite to compare and analyze the performance. Through these attempts, this paper will help researchers to easily access and analyze image matching networks for mobile devices that require high speed and low capacity.

참고자료

· 없음