저조도 환경에서의 객체 검출을 위한 조명 인식 학습가능한 이미지 필터링 모델
A illumination-aware learnable image filtering model for object detection in low-light conditions
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 야간 객체 검출 성능 향상을 위해, 주야간별로 적응적인 학습 가능한 이미지 필터링 모델을 제안하고자 한다. 야간 환경에서는 저조도로 인해 객체의 색상과 특징을 구분하기 어렵다. 이로 인해, 기존의 객체 검출 모델들이 객체를 감지하지 못하는 상황이 발생하고 있다. 이러한 문제를 해결하기 위해, 필터 값이 고정된 고전적인 이미지 필터인 감마 필터와 샤프닝 필터를 학습 가능한 필터로 전환할 수 있는 객체 검출 모델을 제안하고자 한다. 특히 제안한 학습 가능한 필터링은 주야간별로 적응적으로 적용할수 있으며 일반 객체 검출 모델과도 쉽게 결합할 수 있는 장점이 있다. 실험을 통해, 제안한 조명 인식 학습 가능한 필터링 모델을단일 및 멀티스펙트럴 객체 검출 모델에 적용하여 야간 환경에서의 객체 검출 성능 향상을 검증하였다.
Abstract
In this paper, we propose an adaptive learnable image filtering model for day and night to improve theperformance of nighttime object detection. In a nighttime environment, it is difficult to distinguish the color andfeatures of objects due to low illumination. Accordingly, existing object detection models often fail to detectobjects. To solve this problem, we propose an object detection model that can convert the gamma filter andsharpening filter, which are classical image filters with fixed filter values, into learnable filters. In particular, theproposed learnable filtering has the advantage of being adaptive for day and night and can be easily combinedwith general object detection models. Through experiments, we verify the improved performance of objectdetection in nighttime environments by applying the proposed illumination-aware learnable filtering model tosingle and multispectral object detection models.
참고문헌 (7)
- P. Wang, "Parameter estimation of image gamma transformation based on zero-value histogram bin locations", Signal Processing : Image Communication, 64, pp.33~45 (2018)[DOI]
- A. Polesel, "Image enhancement via adaptive unsharp masking", IEEE Trans. Image Process, 9(3), pp.505~510 (2000)[DOI]
- X. Jia, "LLVIP : A visible-infrared paired dataset for low-light vision", Proceedings of the IEEE, 2021, 1~5
- D. P. Kingma, "Adam : A method for stochastic optimization", Proc. Internation al Conference on Learning Representations (2015)
- M. -S. Yang, "Multispectral object detection based on cross-attention fusion", The Journal of Korean Institute of Information Technology, 21(11), pp.115~124 (2023)[DOI]