자원 제약 모바일 로봇을 위한 경량 장면변화감지 기반장면 분류 기법 (Scene Classification Based on Light Weight Scene Change Detection for Resource-Constrained Mobile Robots)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 46권 / 12호 / 2450 ~ 2457페이지
· 저자명 : 신동훈, 김재호

초록

모바일 로봇은 정밀한 임무 수행을 위하여 공간의 컨텍스트에 대한 지속적인 인지가 요구된다. 최근 공간의 특징을 정확히 인식하기 위하여 카메라로부터 수집되는 이미지를 활용한 CNN기반 딥러닝 장면 분류기들이 사용되고 있다. 이러한 장면분류 기법은 이미지의 특징 추출을 기반으로 하기 때문에 많은 계산량을 요한다. 서비스 로봇의 활성화를 위해서 모바일 로봇의 경량화가 필수적이나, 고 연산을 요구하는 장면 분류기를 통한 환경인식은높은 연산량과 많은 배터리 소모를 야기하고 있다. 본 논문에서 기존의 딥러닝 기반 장면 분류기와 유사한 성능을가지면서도 낮은 연산량을 가지는 장면변화감지 기반 장면분류 기법을 제안하였다. 제안된 경량의 장면분류 기법은 적은 연산으로 동작 가능한 장면변화 감지기를 활용하여 이동하는 로봇의 공간이 변화되는 시점을 효과적으로탐지해내고 공간의 변화가 감지된 경우에만 정밀한 딥러닝 장면분류기를 동작시킨다. 제안된 경량 장면분류기는실내로봇을 대상으로 적용하기위하여 실내 환경에서 촬영된 영상 데이터들을 활용하여 성능평가를 진행하였다. 성능 분석결과 무의미한 수준의 장면분류의 성능 저하에서도 약 45.49% 수준의 컴퓨팅 자원을 절약할 수 있었다.
개발된 장면분류기는 최근 급속히 확대되고 있는 모바일 로봇의 경량화에 기여할 것으로 기대한다.

영어초록

The mobile robot requires continuous awareness of the context of the spatial environment to carry out given missions precisely. Recently, CNN, a kind of deep learning technology, has been used to classify scenes from camera images to recognize the space. We need lightweight robots so that mobile robots can be used in various applications broadly, but the CNN-based sceneclassifier requires high computation resources and battery consumption. In this paper, we propose a scene classification technique based on scene change detection to reduce computational complexity. The proposed scene classifier shows a similar performance to the previous CNN-based scene classifier, but the computational complexity is about half. The proposed classifier uses a low-complexity scene change detector to reduce complexity. The compute-intensive CNN classifier is only triggered when the scene change is detected. We evaluated the proposed scene classifier using indoor videos to verify whether it can be applied to indoor mobile robots. The analysis results show that the proposed classifier can achieve scene classification with similar accuracy with computing resources of about 45.49%.

참고자료

· 없음