그림자 검출을 위한 방향 인식 공간적 맥락 특징

그림자 검출은 전역 이미지 의미론을 이해하고 그림자 주변에 다양한 배경이 존재하기 때문에 기본적이면서도 어려운 작업입니다. 본 논문에서는 방향 인식 기반으로 이미지 맥락을 분석하는 새로운 네트워크를 제시합니다. 이를 위해 먼저, RNN(순환 신경망)에서 공간 맥락 특성을 집계할 때 주의 가중치를 도입하여 방향 인식 주의 메커니즘을 공식화합니다. 이러한 가중치를 학습을 통해 회복함으로써 그림자 검출을 위한 방향 인식 공간 맥락(DSC)을 얻을 수 있습니다. 이 설계는 DSC 모듈로 발전되어 CNN(합성곱 신경망)에 내장되어 다양한 수준에서 DSC 특성을 학습할 수 있도록 합니다. 또한, 학습 효과를 높이기 위해 가중 크로스 엔트로피 손실 함수를 설계하였습니다. 우리는 두 가지 일반적인 그림자 검출 벤치마크 데이터셋을 사용하여 다양한 실험을 수행하여 우리의 네트워크를 평가하였습니다. 실험 결과, 우리의 네트워크는 최신 방법들을 능가하며 97%의 정확도와 균형 오류율(BER)에서 38%의 감소를 달성하였습니다.