Keskeiset käsitteet
본 연구는 적외선 및 가시광선 이미지 융합 기술을 활용하여 지능형 교통 시스템의 고성능 시각 인지 성능을 향상시키는 것을 목표로 한다. 이를 위해 두 개의 병렬 의미 분할 분기와 다수준 표현 적응형 융합 모듈을 제안하여 중요 의미 정보를 효과적으로 활용한다.
Tiivistelmä
본 연구는 지능형 교통 시스템을 위한 적외선 및 가시광선 이미지 융합 기술을 제안한다. 기존 연구들은 주로 시각적 효과 향상에 초점을 맞추었지만, 본 연구는 고수준 비전 작업을 위한 의미 정보 활용에 중점을 둔다.
구체적으로 다음과 같은 핵심 내용을 다룬다:
두 개의 병렬 의미 분할 분기를 설계하여 적외선 및 가시광선 이미지의 독립적인 의미 정보를 추출한다.
정제된 특징 적응 변조(RFaM) 메커니즘을 통해 각 분기에서 의미적으로 두드러진 특징을 탐지한다.
파일럿 실험을 통해 중요 의미 정보를 식별하고, 이를 융합 작업에 활용한다.
다수준 표현 적응형 융합(MRaF) 모듈을 도입하여 저주파 의미 정보와 고주파 세부 정보를 효과적으로 결합한다.
실험 결과, 제안 방법은 기존 방법들에 비해 시각 인지 성능과 융합 결과의 시각적 효과 면에서 우수한 성능을 보였다.
Tilastot
적외선 이미지와 가시광선 이미지는 서로 다른 모달리티를 가지고 있으며, 이를 효과적으로 활용하여 지능형 교통 시스템의 성능을 향상시킬 수 있다.
적외선 이미지는 열 방사 정보에 민감하여 야간이나 열악한 환경에서 중요한 대상을 강조할 수 있지만, 질감 정보가 부족하다.
반면 가시광선 이미지는 반사된 빛을 포착하여 더 많은 질감 정보와 교통 상황 단서를 제공할 수 있다.
Lainaukset
"적외선 및 가시광선 이미지 융합은 지능형 교통 시스템에서 중요한 역할을 한다."
"기존 방법들은 주로 시각적 효과 향상에 초점을 맞추었지만, 본 연구는 고수준 비전 작업을 위한 의미 정보 활용에 중점을 둔다."