국립 선진 산업 과학 기술 연구소 (National Research and Institute of Advanced Industrial Science and Technology) [Nakabachi Ryoji 의장] (이하 "AIST") 분석 측정 표준 연구 부서 [연구 부서 Hidehiko Nonaka] NAGAMUE YASUSHI의 NANA Specopic Measurems의 최고 연구원 인 NAGAMUNE YASUSHI, NAGAMUNE YASUSHI, NANA Specopic Measureme의 국립 연구 개발 기관 [분석 측정 표준 연구 부서]인공 신경망딥 러닝를 사용하여 적외선 바카라 게임지로 색칠하는 기술을 개발했습니다 이를 통해 적외선 야간 시력 바카라 게임지를 표시 할 수 있으며, 이전에는 흑백 또는 대략적인 색상으로 만 표시 할 수있는 색상으로 표시 될 수 있습니다
 |
| 그림 1 |
최근 보안 인식이 증가함에 따라 보안 카메라 및 감시 카메라와 같은 보안 카메라에 대한 수요가 증가하고 있습니다 그러나 야간 사진에 사용되는 전통적인 적외선 바카라 게임징 기술을 사용하는 바카라 게임지는 흑백 또는 대략적인 색상 일 수 있습니다가시성에 문제가있었습니다 모니터 모니터 간의 피로 감소의 관점에서 눈에 띄는 사진 기술이 필요합니다
반면, 딥 러닝 사용기계 학습컴퓨터 컴퓨팅 성능의 개선과 컴퓨팅 기술과 같은 기본 기술의 개발로 인해 언어, 바카라 게임지, 음성, 기계 제어 및 최적화 기술을 포함한 다양한 분야에 적용되었습니다 이 개발과 관련된 바카라 게임지 변환에는 삽화 및 애니메이션의 자동 색소, 흑백 바카라 게임지의 채색에 대한 적용이 포함됩니다 가시 및 적외선 바카라 게임지가 사용됩니다밝기 정보다르고, 밝기 정보를 사용하여 가시 광원 단색 바카라 게임지를위한 기존의 색상화 기술은 가시 광선에서 적외선 바카라 게임지를 색상으로 변환 할 수 없습니다
AIST는 적외선 조명 만 사용하여 피사체의 컬러 비디오를 촬영할 수있는 적외선 색상 야간 비전 촬영 기술을 개발했습니다 (2011 년 2 월 8 일,2012 년 12 월 3 일,2014 년 5 월 14 일Aisode Press 발표) 재료의 색상은 가시 광선 영역의 반사 특성에 따라 다르지만 가시 광선 영역의 반사 특성과 적외선 영역의 반사 특성 사이의 색상상관 관계가있는 것으로 알려져 있습니다 그러나 상관 관계는 약하고 피험자의 색상에서 완전히 재현되지 않았습니다 따라서, 우리는 딥 러닝을 사용하여 완벽에 가까운 피험자의 색상으로 적외선 바카라 게임지를 재현하는 가시 광선 색상화 기술을 개발했습니다
이번에는 바카라 게임지의 기능 양을 추출하고 배울 수 있습니다CNN시계열 정보 간의 관계는 배울 수 있습니다RNN라는 딥 러닝 방법을 기반으로, 우리는 휘도 및 색상 정보를 동시에 학습하는 모델을 구성하여 적외선 스틸과 적외선 비디오를 가시 광선으로 바꾸는 기술을 개발했습니다
그림 1은 적외선 컷 필터가없는 일반 카메라로 찍은 보울 및 컵과 같은 전체 피험자 세트의 바카라 게임지를 보여줍니다 그림 1 (a)는 가시 광선에서 정상적인 색상 바카라 게임지이며, 그림 1 (b)는 적외선 조사 하에서 정상적인 적외선 바카라 게임지입니다 그림 1 (c)는 기존 기술을 사용하여 적외선 바카라 게임지가 가시 광선으로 변환되는 바카라 게임지입니다 (780 NM, 870 nm 및 940 NM 및 940 NM으로 바카라 게임지를 780 NM, 940 NM으로 변환하여 얻은 바카라 게임지를 붉은 색, 파란색으로 1, 및 그림 1, 그림 1 (b)의 적외선 바카라 게임지는 이번에 개발 된 기술을 사용하여 가시 광으로 변환됩니다 도 1 (c)와 1 (d)를 비교하면, 그림 1 (d)에서 색 재현성이 크게 개선되고 색상 재현은 그림 1 (a)와 구별 할 수없는 정도로 재현된다는 것을 알 수 있습니다
CNN 기반 모델이 여기에서 사용되지만 입력 바카라 게임지를 변경하고 훈련하여 사용합니다오버러진억제 또는생성 가능성개선 될 것으로 예상됩니다 따라서 그림 1 (b) 및 그 미러, 반전 및 회전 된 바카라 게임지는 입력 바카라 게임지로 사용되며, 그림 1 (a)와 그 거울, 반전 및 회전 된 바카라 게임지는 교사 바카라 게임지로 학습됩니다 1 (b)는 훈련 된 모델에 입력하여이를 변환하여도 1을 얻습니다 1 (d) 이 시점의 변환 시간은 약 30ms이며 실시간 변환이 가능합니다
또한 실리콘 바카라 게임지 센서를 사용하는 일반 카메라에서는 적외선 영역에서 최대 약 850 nm의 색칠 필터의 스펙트럼 특성 사이에 차이가 있으므로 그림의 적외선 바카라 게임지가 있습니다 1 (b)는 착색 된 것으로 보이지만, 단색 바카라 게임지와 비교하여 정보의 양이 증가하기 때문에이 스펙트럼 정보는 훈련에도 사용되었습니다 AIST가 개발 한 적외선 색상 야간 시력 카메라와 같은 적외선 영역에서 특별한 스펙트럼 특성을 가진 카메라에 의해 캡처 된 것보다 더 많은 정보를 가진 바카라 게임지를 사용하여 학습 효율성을 더욱 향상시킬 수 있습니다
 |
| 그림 2 |
반면에, 정보의 양은 색상 바카라 게임지의 양보다 작기 때문에 학습은 더 오래 걸리지 만 가시 광선을 적외선 흑백 바카라 게임지로 변환 할 수도 있습니다 그림 2는 그림 2 (a) 가시 광선 아래에서 정상적인 색상 바카라 게임지를 보여주는 색상 차트를 보여줍니다 그림 2 (b)는 적외선 조사 (중심 파장 870 nm) 아래 정상적인 적외선 바카라 게임지를 보여주는 그림 2 (b), 그림 2 (c) 기존 적외선 색상 바카라 게임지 (중심 파장 780 NM, 870 NM, 940 NM)를 보여주는 경우 (D)를 보여줍니다
 |
| 그림 3 |
그림과 같이 2 (c), 기존의 적외선 색상 바카라 게임지는 종이 및 천과 같은 얇은 재료를 채색하는 데 어려움이 있으며, 이는 적외선이 발생하기 쉬운 바와 같이,도 1에 도시 된 바와 같이 2 (d), 가시적 인 밝은 색상 바카라 게임지가 교사 바카라 게임지로 학습되는 딥 러닝은 또한 적외선 영역에서 스펙트럼 정보가없는 적외선 흑백 바카라 게임지 일 수 있으며, 또한 색상 재생산이도 1과 비교하여 상당히 개선된다 2 (c)
그림 3은 턴테이블이 회전하는 동안 파란색 플라스틱 보드 앞에 배치 된 턴테이블에 배치 된 빨간색, 녹색 및 파란색 및 파란색 이더넷 커넥터 캡이있는 피사체 세트 세트가 비디오의 두 가지 독특한 프레임 세트를 보여줍니다 여기서, 각각의 그림 3 (a) 및 3 (b)에서, 상단 왼쪽 프레임은 가시 광선 비디오의 한 프레임, 상단 오른쪽 프레임은 적외선 비디오의 한 프레임, CNN 모델로 변환 된 적외선 컬러 비디오의 왼쪽 하단 프레임 및 RNN 모델로 변환 한 적외선 색상 비디오의 하단 프레임입니다
여기에서 약 38 초 동안 1153 프레임의 적외선 비디오 프레임과 교사 비디오로서의 가시적 인 조명 비디오는 CNN 또는 RNN 모델을 사용하여 교육하는 데 사용되며 적외선 비디오는 각 훈련 된 모델에 입력되어 각 적외선 비디오를 얻습니다
RNN 모델은 학습하는 데 시간이 걸리기 때문에 그림 3 (a)에서는 RNN 모델을 기반으로 바카라 게임지의 훈련이 부족한 것으로 보이는 거칠기가 여전히 남아 있지만 그림 3 (b)에서는 RNN 모델을 기반으로 한 바카라 게임지가 CNN 모델보다 우수한 것으로 보입니다 바카라 게임지 기능의 색상을 추정하는 CNN 모델에서는 비슷한 모양의 객체가 발견 될 때 때때로 식별 할 수 있지만 시계열 정보 간의 관계를 고려하는 RNN 모델은 개선 된 것으로 생각됩니다
이 기술의 추가 개선은 야행성 동물의 눈에 띄는 보안 카메라와 생태 기록에 적용될 것으로 예상됩니다
앞으로, 우리는 딥 러닝 모델을 개선하고 빅 데이터를 수집하고 훈련하여 일반화, 바카라 게임지 품질을 향상시키고 더 가까운 색상 재생산을 달성하려고 시도 할 것입니다