Earticle

이미지 내에서 객체를 검출하고 해당 위치를 추출하는 지역화 기법은 컴퓨터 비전에서 많이 활용되는 기술이다. 기존 연구들은 하나의 객체를 대상으로 위치 검출을 수행하지만, 실제 사진에서는 다수의 유사 객체를 포함하는 경우가 많기 때문에, 활용에 한계가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 이미지 인식을 위해 객체 지역화의 새로운 알고리즘을 제안한다. 제안 알고리즘은 YCbCr 색채 성분에서 코렐로그램 역투영 기법을 활용하여 객체 지역화 문제를 해결한다. 제안 알고리즘에서는 질의 이미지의 객체가 포함되는 이미지의 위치를 검출할 수 있으며, 다수의 유사 객체가 존재할 경우 포함되는 객체 개수 정보 없이도 유사 후보 객체의 영역과 위치를 검출할 수 있다. 제안 알고리즘의 성능을 평가할 실험 결과, 기존에 연구된 방법에 비해, 21%의 성능 향상을 보였다. 이러한 결과를 통해, 색상 코렐로그램이 히스토그램 기법보다 성능적 우위를 보였다. 본 논문의 주요 공헌은 색 공간과 공간-색상 정보를 통해 객체 지역화 문제를 해결할 수 있는 또다른 기술을 제시한 것으로 학문적 기여를 검증하였다.

Localizing an object in image is a common task in the field of computer vision. As the existing methods provide a detection for the single object in an image, they have an utilization limit for the use of the application, due to similar objects are in the actual picture. This paper proposes an efficient method of object localization for image recognition. The new proposed method uses color correlation back-projection in the YCbCr chromaticity color space to deal with the object localization problem. Using the proposed algorithm enables users to detect and locate primary location of object within the image, as well as candidate regions can be detected accurately without any information about object counts. To evaluate performance of the proposed algorithm, we estimate success rate of locating object with common used image database. Experimental results reveal that improvement of 21% success ratio was observed. This study builds on spatially localized color features and correlation-based localization, and the main contribution of this paper is that a different way of using correlogram is applied in object localization.

클래스 활성화 맵(Class Activation Mapping, CAM)은 심층 시각 모델의 의사결정 과정을 해석하고 약지도 객체 위치추정(Weakly Supervised Object Localization, WSOL)을 수행하는 데 널리 활용되고 있으나, 소프트맥스 기반 분류기에 의존하는 구조적 특성으로 인해 클래스 간 경쟁적 정규화가 발생하며 함께 존재하는 객체나 크기가 작은 객체의 약한 신호가 억제되는 한계가 있다. 본 연구에서는 기존에 제안한 이중 분기 시그모이드 구조를 기반으로, 객체 크기에 따른 위치화 특성을 분석하는 크기 인지(scale-aware) 분석을 수행한다. ImageNet-1K 데이터셋을 객체의 상대적 크기에 따라 소형 객체와 대형 객체 하위 집합으로 분할하고, 다양한 백본 네트워크에서 WSOL 성능을 비교 평가한 결과, 위치화 과정을 소프트맥스 정규화로부터 분리함으로써 위치화의 완전성이 일관되게 향상되었으며 특히 소형 객체에서 상대적으로 큰 성능 개선이 나타남을 확인하였다. 이러한 결과는 소프트맥스 기반 CAM의 한계가 객체 크기에 강하게 의존함을 실증적으로 보여주며, 시그모이드 기반 위치화가 약한 신호 소실 문제를 효과적으로 완화할 수 있음을 시사한다.

Class Activation Mapping (CAM) is widely used for interpreting deep visual models and enabling weakly supervised object localization (WSOL), but its reliance on softmax-based classifiers introduces competitive normalization that suppresses weak or co-occurring object evidence, often resulting in incomplete localization. In this work, we build upon our previously proposed dual-branch sigmoid architecture and conduct a systematic, scale-aware analysis to examine how decoupling localization from softmax normalization affects localization behavior across object sizes. Using the ImageNet-1K dataset, we stratify evaluation samples into small-object and large-object subsets based on ground-truth bounding box statistics and perform controlled WSOL evaluations across multiple backbones. The results show that sigmoid-based localization consistently improves localization completeness, with particularly pronounced gains for small objects, while maintaining or modestly improving performance on large objects. These findings provide empirical evidence that the limitations of softmax-based CAMs are strongly object-scale dependent and demonstrate that sigmoid-based localization effectively mitigates signal suppression in scale-sensitive WS OL scenarios, offering a practical framework for diagnosing and improving localization behavior.

This work proposes a novel biologically motivated visual selective attention model for efficient visual searching, which is implemented by integrating three attention mechanisms: bottom-up attention, top-down attention, and spatial attention. Bottom-up attention generates salient locations by reflecting top-down biases as well as three primitive visual features: intensity, edge and color. Prototype-based object perception is proposed for top-down attention, in which a 3-D color histogram is applied to generate a prototype of the target object. And experience based spatial attention can determine acceleration to localize a target object, which is modeled by using memorized spatial location information updated by object-localization experience. In order to verify the performance of the proposed visual selective attention model, we apply the proposed model to a real application in pedestrian traffic signal detection, to be utilized as part of a blind guide system. The proposed selective attention model shows plausible performance in terms of accuracy and computation time while efficiently localizing pedestrian traffic signals.

Indoor localization is one of the basic elements of Location-Based Service, such as indoor navigation, location-based precision marketing, spatial recognition of robotics, augmented reality, and mixed reality. We propose a Voxel Labeling-based visual positioning system using object simultaneous localization and mapping (SLAM). Our method is a method of determining a location through single image 3D cuboid object detection and object SLAM for indoor navigation, then mapping to create an indoor map, addressing it with voxels, and matching with a defined space. First, high-quality cuboids are created from sampling 2D bounding boxes and vanishing points for single image object detection. And after jointly optimizing the poses of cameras, objects, and points, it is a Visual Positioning System (VPS) through matching with the pose information of the object in the voxel database. Our method provided the spatial information needed to the user with improved location accuracy and direction estimation.

Sliding window (SW) technique is one of common paradigms employed for object detection. However, the computational cost of this approach is so expensive because the detection window is scanned at all possible positions and scales. To overcome this problem, we propose a compact feature together with fast recursive coarse-to-fine object localization strategy. To build a compact feature, we project the Histograms of Oriented Gradient (HOG) features to linear subspace by Principal Component Analysis (PCA). We call this feature as PCA-HOG feature. The exploitation of the PCA-HOG feature not only helps the classifiers run faster but also still maintains the accuracy. In order to further speeding up the localization, we propose a recursive coarse-to-fine refinement to scan image. We scan image in both scale space and multi-resolution space from coarsest to finest resolutions. Only the best obtained hypothesis from the coarser resolution could be passed to finer resolution. Each resolution has its own linear Support Vector Machine (SVM) classifier and PCA-HOG features. Evaluation with INRIA dataset shows that our method achieves a significant speed-up compared to standard sliding window and original HOG feature, while even get higher detection accuracy.

Reconstruction of 3D objects from a single view image is generally an ill-posed problem because of the projection distortion. A monocular vision based 3D object localization method is proposed in this paper, which approximates an object on the ground to a simple bounding solid and works automatically without any prior information about the object. A spherical or cylindrical object determined based on a circularity measure is approximated to a bounding cylinder, while the other general free-shaped objects to a bounding box or a bounding cylinder appropriately. For a general object, its silhouette on the ground is first computed by back-projecting its projected image in image plane onto the ground plane and then a base rectangle on the ground is determined by using the intuition that touched parts of the object on the ground should appear at lower part of the silhouette. The base rectangle is adjusted and extended until a derived bounding box from it can enclose the general object sufficiently. Height of the bounding box is also determined enough to enclose the general object. When the general object looks like a round-shaped object, a bounding cylinder that encloses the bounding box minimally is selected instead of the bounding box. A bounding solid can be utilized to localize a 3D object on the ground and to roughly estimate its volume. Usefulness of our approach is presented with experimental results on real image objects and limitations of our approach are discussed.

This paper presents new object-spatial layout-route based hybrid map representation and global localization approaches using a stereo camera. By representing objects as high-level features in a map, a robot can deal more effectively with different contexts such as dynamic environments, human-robot interaction, and semantic information. However, the use of objects alone for map representation has inherent problems. For example, it is difficult to represent empty spaces for robot navigation, and objects are limited to readily recognizable things. One way to overcome these problems is to develop a hybrid map that includes objects and the spatial layout of a local space. The map developed in this research has a hybrid structure that combines a global topological map and a local hybrid map. The topological map represents the spatial relationships between local spaces. The local hybrid map combines the spatial layout of the local space with the objects found in that space. Based on the proposed map, we suggest a novel coarse-to-fine global localization method that uses object recognition, point cloud fitting and probabilistic scan matching. This approach can accurately estimate robot pose with respect to the correct local space.

Conventional methods for localizing nearby other ships using multiple sensors have faced limitations in practical applicability in real maritime environments due to high costs and environmental constraints. To address this, the present study proposed a method that accurately localizes other ships using only a camera. First, a virtual maritime environment was constructed to precisely replicate a real maritime environment, enabling efficient reproduction of diverse maritime scenarios and the generation of a large-scale dataset through automatic data labeling. Based on this dataset, we trained MonoLSS (Mono-Learnable Sample Selection), an image-based 3D object detection model, and used it to localize other ships. To evaluate the performance of the proposed method, we compared it with existing horizon-based and depth-based methods for localization across five representative scenarios: head-on, following, crossing with a single ship, crossing with multiple ships, and heavy storm. The results show that the proposed method achieved MAEs of 2.39 m, 2.20 m, 2.09 m, and 2.31/2.66 m (for each ship in the crossing scenario), and 3.28 m across the five scenarios. These results correspond to an error reduction of up to 92.03 % compared with conventional methods. The results demonstrate that the proposed method enables robust, real-time localization of other ships using a single camera, regardless of environmental conditions. Therefore, it is expected to make a significant contribution to the realization of safe autonomous navigation in real maritime environments where the use of additional sensors is limited.

최근 CAM[1]을 이용해서 이미지의 객체에 대한 주의 영역 또는 지역화(Localization) 영역을 찾는 방법이 WSOL의 연구로서 다양하게 수행되고 있다. CAM을 이용한 객체의 히트(Heat) 맵에서 주의 영역 추출은 객체의 특징이 가장 많이 모여 있는 영역만을 주로 집중해서 객체의 전체적인 영역을 찾지 못하는 단점이 있다. 여기서는 이를 개선하기 위해서 먼저 CAM과 Selective Search[6]를 함께 이용하여 CAM 히트맵의 주의 영역을 확장하고, 확장된 영역에 가우시안 스무딩을 적용하여 재학습 데이터를 만든 후, 이를 학습하여 객체의 주의 영역이 확장되는 방법을 제안한다. 제안 방법은 단 한 번의 재학습만이 필요하며, 학습 후 지역화를 수행할 때는 Selective Search를 실행하지 않기 때문에 처리 시간이 대폭 줄어든다. 실험에서 기존 CAM의 히트맵들과 비교했을 때 핵심 특징 영역으로부터 주의 영역이 확장되고, 확장된 주의 영역 바운딩 박스에 대한 Ground Truth와의 IOU 계산에서 기존 CAM보다 약 58%가 개선되었다.

Recently, a method of finding the attention area or localization area for an object of an image using CAM (Class Activation Map)[1] has been variously carried out as a study of WSOL (Weakly Supervised Object Localization). The attention area extraction from the object heat map using CAM has a disadvantage in that it cannot find the entire area of the object by focusing mainly on the part where the features are most concentrated in the object. To improve this, using CAM and Selective Search[6] together, we first expand the attention area in the heat map, and a Gaussian smoothing is applied to the extended area to generate retraining data. Finally we train the data to expand the attention area of the objects. The proposed method requires retraining only once, and the search time to find an localization area is greatly reduced since the selective search is not needed in this stage. Through the experiment, the attention area was expanded from the existing CAM heat maps, and in the calculation of IOU (Intersection of Union) with the ground truth for the bounding box of the expanded attention area, about 58% was improved compared to the existing CAM.

일반적으로 머신비전을 이용한 위치 추정 정밀도는 카메라의 화소 수에 비례한다. 머신비전 카메라의 경우 화소가 많을수록 카메라 가격이 크게 증가하므로 화소 수만을 늘려서 정밀도를 높이는 하드웨어적 방법은 활용이 제한적이다. 이런 문제를 해결하기 위해서 적은 화소 수로 높은 위치 추정 정밀도를 얻을 수 있는 다양한 소프트웨어 알고리즘에 대한 연구가 진행되어 왔다. 본 논문에서는 위치 추정 정밀도를 높이기 위한 서브 픽셀 위치 추정 알고리즘을 구현하고 이를 반도체 칩 검사용 고정밀 스테이지에 적용하였다.

Sensors in a smartphone can be used to measure various physical quantities. In this paper, we propose an object localization scheme in a three dimenstional using a smart phone. The proposed scheme estimates the location of an object by observing it from several different points. The direction to the target object and the locations of the observation points are collected at each observation point using the location sensor and the orientation sensor in the smartphone. Based on these observations, the proposed scheme derives three dimensional line of sight vectors and estimates the location of the target object that minimizes the estimation error. We implemented the proposed scheme on an Android smartphone and tested its performance by estimating the height of a building and characteristics of the proposed approach.

이 연구 에서 수동형 UHF RFID을 기반으로 하는 개체 위치인식 시스템에서 리더 안테나 위치가 미치는 영향을 조사하였다. 고정식 RFID 판독기 시스템을 사용하는 개체 위치인식 시스템의 성능은 리더 안테나와 수동형 RFID 테그간 통신 시 전파의 지상 및 장애물에 의한 반사로 인하여 그 성능이 현저하게 변화된다. 이 연구에서 다양한 안테나 위치와 RF의 조건과 차이점을 연구하였으며, 본 연구에서 UHF RFID 기반 위치 파악 시스템을 구축하여 리더 안테나의 위치와 타겟 간의 내 외부 조건에 따른 성능 차이를 실험을 통하여 상세 분석하였다.

In this research, we investigate an influence of a reader antenna location in Passive UHF RFID system based Object localization. When the localization system uses stationary RFID reader system, the performances of the system are significantly varied depending on the deployed antenna conditions due to its external environment such as reflection by the ground and obstacles. In this research we deeply study the RF conditions and differentiation with various antenna location. According to the empirical results, the localization system shows the best performance, where the reader antenna locates 1.5m from the target area of interest.

보안이 중요시되는 공간에서 임의의 사람을 추적하고 인식할 수 있는 시스템의 필요성이 점차 중요시되고 있다. 본 논문에서는 wide-area를 감시하기 위해 음원과 Pan-Tilt 카메라를 이용하여 침입자 추적 시스템을 구현하고자 한다. 먼저 음원 추적 센서를 이용하여 음원의 방위를 검출한 후 Pan-Tilt 카메라를 방위 방향으로 이동시키고 이동된 Pan-Tilt 카메라로부터 기준영상을 추출한 후 일정 기준 시간마다 영상을 다시 획득하여 차 영상과 검출결과를 얻어 침입자를 추적하여 감시 시스템을 구현한다. 본 논문에 의해서 구현된 시스템은 홈 네트워크 보안 시스템과 연동을 하여 가정이나 공공시설 보안에 대한 인터페이스 역할을 할 수 있다.

본 논문에서는 최근 필요성이 증가하고 있는 센서 네트워크에서의 위치인식 기법을 제안한다. 기존의 위치인식 기법들이 정확한 좌표 값을 측정하고자 하는데 반해 제안 기법은 지역 단위의 위치인식을 기반으로 실제 응용 단계에서 의미 있는 정보를 직접적으로 구할 수 있다. 또한 거리정보에 독립적인 방법을 사용하여 추가적인 장비의 필요 없이 기존의 WLAN, WPAN과 같은 저가의 표준 장비만을 사용하여 구현할 수 있다. 본 논문의 기법은 큰 규모로 배포되어 있는 센서 네트워크 환경에서 뛰어난 성능을 보일 수 있으며, 셀이나 공간단위의 위치인식이 필요한 응용 서비스에 적합하다.

본 논문에서는 최근 필요성이 증가하고 있는 센서 네트워크에서의 위치인식 기법을 제안한다. 기존의 위치인식 기법들이 정확한 좌표 값을 측정하고자 하는데 반해 제안 기법은 지역 단위의 위치인식을 기반으로 실제 응용 단계에서 의미 있는 정보를 직접적으로 구할 수 있다. 또한 거리정보에 독립적인 방법을 사용하여 추가적인 장비의 필요 없이 기존의 WLAN, WPAN과 같은 저가의 표준 장비만을 사용하여 구현할 수 있다. 본 논문의 기법은 큰 규모로 배포되어 있는 센서 네트워크 환경에서 뛰어난 성능을 보일 수 있으며, 셀이나 공간단위의 위치인식이 필요한 응용 서비스에 적합하다.

This paper proposes an underwater localization algorithm using probabilistic object recognition. It is organized as follows; 1) recognizing artificial objects using imaging sonar, and 2) localizing the recognized objects and the vehicle using EKF(Extended Kalman Filter) based SLAM. For this purpose, we develop artificial landmarks to be recognized even under the unstable sonar images induced by noise. Moreover, a probabilistic recognition framework is proposed. In this way, the distance and bearing of the recognized artificial landmarks are acquired to perform the localization of the underwater vehicle. Using the recognized objects, EKF-based SLAM is carried out and results in a path of the underwater vehicle and the location of landmarks. The proposed localization algorithm is verified by experiments in a basin.

본 연구에서는 실내 환경에서 드론의 측위를 위한 마커 인식 및 검출 기술을 소개한다. 기존 실내 측위를 위한 기술인 Global Positioning System이나 Wi-Fi를 이용한 삼각측량 기법은 실내 환경에서 각각의 성질로 인하여 사용하기 어려운 점이 있다. 본 논문에서는 2차원 바코드와 마커 등의 객체를 드론의 카메라를 이용한 실시간 영상 전송을 통하여 검출하여 위치 정보를 획득하는 기술을 소개한다. 실험에서는 드론의 카메라를 통하여 실시간 전송된 영상에서 OpenCV V2.4.10을 통하여 객체를 검출하였고, 카메라와 객체 사이의 거리와 바코드 크기에 따른 2차원 바코드의 검출 여부를 보였으며 15*15cm의 2차원 바코드는 비교적 잘 인식하였으나 비교적 작은 11*11cm의 2차원 바코드는 거리가 멀어질 수록 인식이 힘들어지는 결과를 보였다.

본 연구에서는 실내 환경에서 드론의 측위를 위한 마커 인식 및 검출 기술을 소개한다. 기존 실내 측위를 위한 기술인 Global Positioning System이나 Wi-Fi를 이용한 삼각측량 기법은 실내 환경에서 각각의 성질로 인하여 사용하기 어려운 점이 있다. 본 논문에서는 2차원 바코드와 마커 등의 객체를 드론의 카메라를 이용한 실시간 영상 전송을 통하여 검출하여 위치 정보를 획득하는 기술을 소개한다. 실험에서는 드론의 카메라를 통하여 실시간 전송된 영상에서 OpenCV V2.4.10을 통하여 객체를 검출하였고, 카메라와 객체 사이의 거리와 바코드 크기에 따른 2차원 바코드의 검출 여부를 보였으며 15*15cm의 2차원 바코드는 비교적 잘 인식하였으나 비교적 작은 11*11cm의 2차원 바코드는 거리가 멀어질 수록 인식이 힘들어지는 결과를 보였다.

In this paper, we describe a method for the mobile robot using images of a moving object. This method combines the observed position from dead-reckoning sensors and the estimated position from the images captured by a fixed camera to localize a mobile robot. Using the a priori known path of a moving object in the world coordinates and a perspective camera model, we derive the geometric constraint equations which represent the relation between image frame coordinates for a moving object and the estimated robot`s position. Since the equations are based on the estimated position, the measurement error may exist all the time. The proposed method utilizes the error between the observed and estimated image coordinates to localize the mobile robot. The Kalman filter scheme is applied to this method. Effectiveness of the proposed method is demonstrated by the simulation.