적외선 영상 전처리에 따른 딥러닝 기반의 객체 탐지 모델 성능 평가 (Performance Evaluation of Deep Learning Based Object Detection Model on Image Infrared Preprocessing)

서지정보

· 발행기관 : 한국항공우주학회
· 수록지 정보 : 한국항공우주학회지 / 52권 / 12호 / 1055 ~ 1061페이지
· 저자명 : 강병진, 배재현, 김대현, 백경훈

초록

딥러닝 네트워크의 발전에 따라 적외선 영상을 딥러닝에 적용하려는 연구가 활발하게 이루어지고 있다. 다양한 탐지 모델에 적외선 영상을 적용하여 탐지 성능을 향상시키는 연구들이 있다. 하지만 대부분의 연구가딥러닝 네트워크의 구조를 변화시키는데 집중하였고 입력 영상의 특성에 따른 딥러닝 네트워크의 탐지 성능의차이에 대한 연구는 진행되지 않았다. 본 논문에서는 적외선 원 영상(RAW)을 획득하여 딥러닝 기반의 탐지모델에서 적외선 영상의 Min-max, Plateau, CLAHE 세 가지 전처리 기법에 따른 성능의 차이가 있는지 성능 평가 지표인 mAP(mean Average Precision)를 통해 확인하였다. Min-max 기법이 81%의 mAP를 보여주며 가장 좋은 성능을 나타내었고, CLAHE 기법이 차량 객체에 대해서 다른 전처리 기법 대비 약 2%의AP가 앞서는 성능을 보여주는 것을 확인하였다.

영어초록

With advancements in deep learning networks, there is active research aiming to apply infrared images in deep learning field. Various studies enhance detection performance by integrating infrared imagery into diverse detection models. However, most research have focused on changing the structure of deep learning networks, and research investigating differences in detection performance of deep learning networks based on the characteristics of input images has been scarce. In this paper, we acquired raw data of low wave infrared images (LWIR) and evaluated the performance differences in deep learning-based detection models using three equalization preprocessing techniques: Min-max, Plateau, and Contrast Limited Adaptive Histogram Equalization (CLAHE).
Our research shows that Min-max method achieves an mAP of 81% showing the best performane, and CLAHE outperforms other preprocessing methods by approximately 2% in average precision, specifically for vehicle detection tasks.

참고자료

· 없음