검색 상세

고성능 차량 검출기 구현을 위한 Dynamic 가중치 조정 캐스케이드 분류 알고리듬에 관한 연구

A Study on High-Performance Cascade Classifier Using Dynamically Adjusting Asymmetric Weights for Vehicle Detection

초록/요약

본 논문은 전방 추돌 경보 시스템을 위해 기존보다 검출성능을 향상시킨 실시간 차량 검출용 Cascade 분류기 구현 방법을 제안한다. 제안된 방법은 각 스테이지에서의 분류결과를 가지고 positive, negative 샘플들의 가중치에 대해 계산된 비율을 가지고 asymmetry를 측정한다. 측정된 asymmetry factor는 학습과정 중에 계산된 학습 비율에 의해 동적으로 조정하여 가중치 업데이트에 적용된다. 기존의 방법과 같이 학습 전 파라미터 값을 결정해주는 휴리스틱한 방법들과는 달리, 제안된 방법으로 학습된 분류기의 분류성능은 학습샘플의 영향을 받지 않는다. 제안된 방법을 적용한 Cascade 검출기는 초반 스테이지에서부터 큰 성능향상을 보여준다. 도로상의 차량용 영상으로 학습시킨 Cascade 분류기를 실험한 결과 기존 방식 대비 연산량을 유지하면서도 검출성능을 약 12%까지 향상시키게 된다.

more

초록/요약

This paper proposes a cascade classifier that improves the detection performance of real-time forward-collision warning systems. By computing asymmetry based on the ratio of the weights of positive to negative samples at each stage, the proposed classifier adjusts dynamic weight factors by reflecting the learning rates of the training process. Training samples hence have a smaller influence on the results in the proposed classifier than in existing classifiers that use predetermined parameters of asymmetry. The detection rates of the earlier cascade stages significantly improve in the proposed classifier. Experimental results involving the proposed classifier trained by an on-road vehicle dataset showed an increase in detection rate of approximately 12 % compared to previous cascade classifiers.

more