Core Concepts
실내 장면은 산재된 객체와 그들의 관계로 특징지어지므로, 객체 탐지와 의미 분할 기술을 활용하여 더 구별력 있는 실내 장면 특징 표현을 얻을 수 있다.
Abstract
이 논문은 실내 장면 분류를 위한 새로운 접근법을 제안한다. 실내 장면은 산재된 객체와 그들의 관계로 특징지어지므로, 기존 딥러닝 기반 전역 특징만으로는 한계가 있다. 따라서 객체 탐지와 의미 분할 기술을 활용하여 더 구별력 있는 실내 장면 특징 표현을 얻고자 한다.
주요 내용은 다음과 같다:
의미 분할 마스크를 활용하여 분할 범주의 형태 특성을 나타내는 Hu-moments 기반 특징(SHMFs)을 제안한다.
전역 특징, 객체 기반 특징, 의미 분할 기반 특징을 융합하는 GOS2F2App 네트워크를 제안한다.
SUN RGB-D와 NYU Depth V2 데이터셋에서 최신 성능을 달성했다.
Stats
실내 장면 분류 성능은 의미 분할 모델의 정확도에 크게 의존한다.
제안한 SHMFs와 객체 기반 특징을 결합하면 더 구별력 있는 실내 장면 표현을 얻을 수 있다.
제안한 GOS2F2App은 SUN RGB-D와 NYU Depth V2 데이터셋에서 최신 성능을 달성했다.
Quotes
"실내 장면은 산재된 객체와 그들의 관계로 특징지어지므로, 기존 딥러닝 기반 전역 특징만으로는 한계가 있다."
"객체 탐지와 의미 분할 기술을 활용하여 더 구별력 있는 실내 장면 특징 표현을 얻고자 한다."
"제안한 GOS2F2App은 SUN RGB-D와 NYU Depth V2 데이터셋에서 최신 성능을 달성했다."