심층 신경망을 이용한 영상전송 프로토콜에서의 새로운 파라미터 결정 방법 (A New Parameter Determination Method for Image Transmission Protocol Using Deep Neural Network)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 55권 / 1호 / 30 ~ 36페이지
· 저자명 : 이종만

초록

최근 실시간 서비스 품질향상을 위한 방법으로, RFC 5109의 전방오류정정 기술의 한 종류인 랩터 코드가 활발히 사용되고 있다. 그럼에도 불구하고 고품질의 영상 전송 시에는 데이터가 증가된 만큼 스트리밍 서비스 간에 packet loss 및 bit error 가능성이 크게 증가하였다. 이에 본 논문에서는 최초로 영상품질 및 전송효율 최적화 수행을 위한 심층 신경망(Deep Neural Networks) 기반 영상전송 프로토콜 매개변수 결정 방법을 제안한다. 제안하는 심층 신경망은 PLR(Packet Loss Rate), data rate를 입력 변수로 받아 PSNR(Peak Signal-to-Noise Ratio)과 전송효율 최적화 관점에서 패킷 크기 및 랩터 FEC 매개변수를 출력한다. 제안 방법은 PSNR이 유사한 수준에서 기존 멀티미디어 전송 프로토콜 방법 대비 평균 1.72%의 영상데이터 throughput 성능 향상을 보였다. 이는 심층 신경망을 이용하면 군용통신과 같은 제한된 주파수 자원 또는 혼잡한 트래픽 환경에서 고품질의 실시간 영상 전송 시 충분히 활용 가능할 것임을 시사한다.

영어초록

Recently a raptor code, which is a kind of forward error correction technique of RFC 5109, is actively used as a method for improving real-time service quality. Nevertheless, packet loss and bit error probability among streaming services have increased significantly as data is increased in high quality video transmission. In this paper, we first propose a method for determining parameters of image transmission protocol based on Deep Neural Networks for performance of image quality and transmission efficiency optimization. The proposed neural network outputs packet size and raptor FEC parameters in terms of PSNR (Peak Signal-to-Noise Ratio) and transmission efficiency optimization with PLR (Packet Loss Rate) and data rate as input variables. The proposed method shows an average throughput improvement of 1.72% on video data compared to existing multimedia transmission protocol method at a similar level of PSNR. This implies that the use of the depth neural network can be sufficiently utilized in high-quality real-time image transmission in a limited frequency resource such as a military communication or a congested traffic environment.

참고자료

· 없음