과제정보
연구 과제 주관 기관 : 정보통신기술진흥센터
한국정보처리학회:학술대회논문집 (Proceedings of the Korea Information Processing Society Conference)
- 한국정보처리학회 2017년도 추계학술발표대회
- /
- Pages.799-802
- /
- 2017
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
의사 형태학적 연산을 사용한 이미지 변환
Image Translation using Pseudo-Morphological Operator
- Jo, Janghun (Dept. of Computer Engineering, Chung-Nam National University) ;
- Lee, HoYeon (Dept. of Computer Engineering, Chung-Nam National University) ;
- Shin, MyeongWoo (Dept. of Computer Engineering, Chung-Nam National University) ;
- Kim, Kyungsup (Dept. of Computer Engineering, Chung-Nam National University)
- 발행 : 2017.11.01
초록
이 연구에서는 형태학적 연산(Morphological Operator)과 CNN (Convolutional Neural Networks)의 개념을 결합하여 이미지 변환을 개선하고자 한다. 이를 위해서 형태학적 연산을 근사할 수 있는 연산을 제안한다. 그리고 제안한 연산을 CNN처럼 여러 필터를 사용할 수 있게 확장한 S-Convolution을 제안한다. 실험 결과 제안한 연산은 형태학적 연산을 학습할 수 있었다. 그리고 제안한 연산의 이미지 변환 성능을 검증하기 위해 GAN에 적용하여 실험하였다. 그 결과 S-Convolution이 기존 CNN을 사용한 GAN과 다른 변환이 가능하다는 것을 볼 수 있었다.
We attempt to combines concepts of Morphological Operator(MO) and Convolutional Neural Networks(CNN) to improve image-to-image translation. To do this, we propose an operation that approximates morphological operations. Also we propose S-Convolution, an operation that extends the operation to use multiple filters like CNN. The experiment result shows that it can learn MO with big filter using multiple S-convolution layer of small filter. To validate effectiveness of the proposed layer in image-to-image translation we experiment with GAN with S-convolution applied. The result showed that GAN with S-convolution can achieve distinct result from that of GAN with CNN.
키워드