학습 가능한 텍스트 프롬프트 벡터를 활용한검출 기반 해충 카운팅 모델
Detection-Based Pest Counting Model Using Learnable Text Prompt Vectors
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 학습 가능한 텍스트 프롬프트를 활용한 해충 검출 기반 카운팅 모델을 새롭게 제안한다. 해충 이미지는 기존의 객체 검출에서 사용되는 이미지 데이터셋과는 달리, 해충 간의 가려짐, 다양한 해충 자세 변화 및 높은 외관의 유사도를 특징으로 갖는다. 따라서 이런 해충 이미지에 적합한 객체 검출 모델을 개발하는 것이 필요하다. 이를 위해, 본 연구에서는 사전 학습된 텍스트-이미지 정렬 모델에서 추출된 사전 정보를 활용하여 객체 검출 정확도를 개선하는 방안을 제시한다. 특히, 사전 정보인 텍스트 프롬프트 벡터를 활용하여 이미지 특징을 강화할 수 있는 텍스트 프롬프트 블록을 설계하고자 한다. 실험 결과를 통해, 텍스트 프롬프트 블록을 통합한 제안한 모델이 해충 카운팅의 측정 지표인 평균 절대 오차와 평균 제곱근 오차에서 각각 2.33%와 2.39% 개선된 성능을 획득하였다. 또한 해충 가려짐과 해충이 밀집된 상황에서도 해충을 정확히 검출할 수 있었다.
Abstract
This paper proposes a new pest counting model based on pest detecton using learnable text prompts. Unlike image datasets used in conventional object detection, pest images are characterized by occlusion between pests, various pest pose changes, and high appearance similarity. Therefore, it is necessary to develop an object detection model suitable for such pest images. To this end, this study proposes a method to improve object detection accuracy by utilizing prior information extracted from a pretrained text-image alignment model. In particular, we design a text prompt block that can enhance image features by utilizing prior information, i.e., text prompt vectors. Through the experimental results, the proposed model integrating text prompt blocks obtained 2.33% and 2.39% improved performance in mean absolute error and root mean square error, which are measurement indices of pest counting, respectively. In addition, pests could be accurately detected even in situations where pests were occluded and crowded.