과제정보
본 연구는 과학기술정보통신부 및 정보통신기획평가원의 SW 중심대학사업의 연구 결과로 수행되었음(2021-0-01082). 또한, 본 연구는 2020년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(No. 2020R1I1A3072227).
한국방송∙미디어공학회:학술대회논문집 (Proceedings of the Korean Society of Broadcast Engineers Conference)
- 한국방송∙미디어공학회 2022년도 추계학술대회
- /
- Pages.203-206
- /
- 2022
딥 러닝 기반 이미지 생성 모델을 활용한 객체 인식 사례 연구
A Case Study of Object detection via Generated image Using deep learning model based on image generation
- 강다빈 (경북대학교 컴퓨터학부) ;
- 홍지수 (경북대학교 컴퓨터학부) ;
- 김재홍 (경북대학교 컴퓨터학부) ;
- 송민지 (경북대학교 컴퓨터학부) ;
- 김동휘 (경북대학교 컴퓨터학부) ;
- 박상효 (경북대학교 컴퓨터학부)
- Dabin Kang (School of Computer Science and Engineering, Kyoungpook National University) ;
- Jisoo Hong (School of Computer Science and Engineering, Kyoungpook National University) ;
- Jaehong Kim (School of Computer Science and Engineering, Kyoungpook National University) ;
- Minji Song (School of Computer Science and Engineering, Kyoungpook National University) ;
- Dong-hwi Kim (School of Computer Science and Engineering, Kyoungpook National University) ;
- Sang-hyo Park (School of Computer Science and Engineering, Kyoungpook National University)
- 발행 : 2022.11.18
초록
본 논문에서는 생성된 이미지에 대한 YOLO 모델의 객체 인식의 성능을 확인하고 사례를 연구하는 것을 목적으로 한다. 최근 영상 처리 기술이 발전함에 따라 적대적 공격의 위험성이 증가하고, 이로 인해 객체 인식의 성능이 현저히 떨어질 수 있는 문제가 발생하고 있다. 본 연구에서는 앞서 언급한 문제를 해결하기 위해 text-to-image 모델을 활용하여 기존에 존재하지 않는 새로운 이미지를 생성하고, 생성된 이미지에 대한 객체 인식을 사례 별로 연구한다. 총 8가지의 동물 카테고리로 분류한 후 객체 인식 성능을 확인한 결과 86.46%의 정확도로 바운딩 박스를 생성하였고, 동물에 대한 116개의 60.41%의 정확도를 보여주었다.
키워드