수퍼포인트-고해상도신경망; HRNet을 이용한 관심점 검출방법 (SuperPoint-High Resolution Network (HRN); Interest Point Detection using HRNet)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 48권 / 2호 / 226 ~ 233페이지
· 저자명 : 김동성

초록

관심자(interest point) 검출방법은 컴퓨터 비젼에서 영상 매칭과 영상 인식에서 기본적으로 사용되는 방법으로 SIFT와 ORB 등이 많이 사용되어 왔다. 관심자는 실제값(ground truth)을 얻는 것이 어렵기 때문에 합성 코너점을 이용한 관심자 의사 실제값을 사용해서 딥 러닝 모델을 학습한 SuperPoint가 개발되어서 컴퓨터 비젼의 고전적인 방법들과 유사한 성능을 보여줬다. 본 논문에서는 관심자 검출에서 가장 중요한 요소인 반복성(repeatability)을 개선하기 위해서 SuperPoint 의 특징 추출에 사용되는 컨볼루션 신경망(Convolutional Neural Network)을 다른 해상도의 활성화 지도들이 상호 보완적인 High Resolution Network(HRN)로 사용하고 관심자 검출 부분을 수정한 SuperPoint-HRN을 개발했다. 제안된 방법을 HPatches 데이터에서 평가하여 SuperPoint 방법보다 관심점의 반복성과 위치 정확도에서 큰 개선을 얻었다.

영어초록

Interest point detector is a fundamental method in computer vision for image matching and image recognition. SIFT, ORB, etc. have been used in many computer vision applications. As acquiring ground truth of interest points is difficult, SuperPoint has been devised to make pseudo ground truth using synthetic corners in training the model. The SuperPoint produced competitive performance to leading conventional computer vision interest point detectors. This paper proposes SuperPoint-High Resolution Network (HRN) to improve repeatability that is one of the most important features in an interest point detector by substituting HRN exchanging information among different resolution activation maps for the shared encoder implemented with a convolutional neural network and by modifying the detector head to accommodate high-resolution activation maps. The proposed method demonstrated immense improvements in HPatches data over the SuperPoint in terms of repeatability and localization errors of interest points.

참고자료

· 없음