임베디드 최적화 저해상도 적외선 영상 딥컨볼루션신경망 메타 데이터 융합 연구 (Research of Low Resolution Infrared Image Deep Convolution Neural Network with Meta Data Fusion for Embedded System)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 7호 / 13 ~ 19페이지
· 저자명 : 홍용희, 진상훈, 구영모, 지호진

초록

본 논문은 저해상도 적외선 영상 환경에서 추가 획득 가능한 상대 거리와 상대 고각을 메타 데이터로 활용하여 영상 컨볼루션 신경망 연산량을 기존과 유사하게 유지하며 분류 정확도를 향상 가능함을 확인하였다. 기존 강화된 VGG 스타일과 Global Average Pooling 조합으로 연산량 대비 높은 분류 정확도를 얻은 모델을 기준으로 메타 데이터를 영상 신경망과 융합한 후 1x1 컨볼루션 레이어와 Global Average Pooling 레이어를 거쳐 최종 출력되도록 신경망을 구성하였다. 메타 데이터를 완전 연결 신경망으로 간접 융합하여 학습 분류 정확도 0.51% 향상되어 96.36%를 달성하였으며, 메타 데이터를 직접 융합 후 활성함수를 Leaky ReLU로 변경하여 동일한 연산량을 유지하면서 학습 분류 정확도 0.49% 향상되어 96.34%를 달성하여 기존 저해상도 적외선 영상 컨볼루션 신경망에 메타 데이터를 융합하여 분류 정확도 향상이 가능함을 확인하였다.

영어초록

In this paper, the low resolution infrared image convolution classifier accuracy was improved by meta data which made up of relative distance and angle. The meta data is fused with reinforced VGG style network and Global Average Pooling layer structure. Then accuracy is improved with maintaining computational complexity. The meta data is fused before 1x1 convolution layer which located in the reinforced VGG style network. And it makes output after 1x1 convolution and Global Average Pooling layer. The fused network which use indirect meta data input with full connection network shows 0.51% improvement and 96.36% classifier accuracy. The fused network which use direct meta data input with changing active function into Leaky ReLU shows 0.49% improvement and 96.34% classifier accuracy. The classifier accuracy can be improved by adding meta data for low resolution infrared image convolution network.

참고자료

· 없음