3차원 포인트 클라우드를 위한 데이터 강화 방법 (A New Data Augmentation Method for 3D Point Clouds)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 24권 / 4호 / 827 ~ 833페이지
· 저자명 : 맹형이, 최수일

초록

포인트 클라우드는 3차원 컴퓨터 비전 연구에 가장 많이 사용된다. 하지만 딥러닝 네트워크에 적용될 수 있는 단일 데이터 세트의 샘플 수는 상대적으로 적다. 데이터 강화는 데이터 희소성을 보상하기 위한 표준 방법이지만 최근 몇 년 동안 이런 방법을 탐구하는 문헌은 적다. 본 논문은 하나의 포인트 클라우드 강화 네트워크를 제안한다. 이는 새로운 데이터 강화 네트워크이며 샘플을 자동으로 최적화하고 강화시킨다. 제안한 네트워크는 원래의 네트워크를 강화하여 포인트 클라우드의 전역 특징 및 국부 특징을 모두 고려하여 실제에 가까운 샘플을 생성한다. 또한 샘플 인식 능력이 있으며, 적대적 학습 전략을 사용하여 데이터 강화 네트워크와 분류기 네트워크를 공동으로 최적화하여 분류기에 가장 맞는 강화 샘플을 생성한다. 실험을 통해 제안한 네트워크의 효율성을 증명하며 분류 네트워크의 인식 및 분류 성능을 향상시킨다.

영어초록

Point clouds are most frequently used in 3D computer vision research. However, the number of samples in a single data set that can be applied to deep learning networks is relatively small. Data augment is a standard method for compensating for data sparsity, however, there is little literature exploring this method in recent years. In this study, we propose a point cloud augmentation network; this is a novel data augmentation network, and the network automatically optimizes and enhances point cloud samples. The proposed network enhances the original network to generate realistic samples by considering both global and local features of the point cloud. The proposed network has the sample-aware capability and uses an adversarial learning strategy to jointly optimize the network and the classifier network to generate augmented samples that best fit the classifier. We proved the efficiency of the proposed network through experiments and improve the recognition and classification performance of the classification network.

참고자료

· 없음