터널 내 딥러닝 객체인식 오탐지 데이터의 반복 재학습을 통한 자가 추론 성능 향상 방법에 관한 연구

이규범,신휴성 사단법인 한국터널지하공간학회 2024 한국터널지하공간학회논문집 Vol.26 No.2

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문 의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습 이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다. In the application of deep learning object detection via CCTV in tunnels, a large number of false positive detections occur due to the poor environmental conditions of tunnels, such as low illumination and severe perspective effect. This problem directly impacts the reliability of the tunnel CCTV-based accident detection system reliant on object detection performance. Hence, it is necessary to reduce the number of false positive detections while also enhancing the number of true positive detections. Based on a deep learning object detection model, this paper proposes a false positive data training method that not only reduces false positives but also improves true positive detection performance through retraining of false positive data. This paper’s false positive data training method is based on the following steps: initial training of a training dataset - inference of a validation dataset - correction of false positive data and dataset composition - addition to the training dataset and retraining. In this paper, experiments were conducted to verify the performance of this method. First, the optimal hyperparameters of the deep learning object detection model to be applied in this experiment were determined through previous experiments. Then, in this experiment, training image format was determined, and experiments were conducted sequentially to check the long-termperformance improvement through retraining of repeated false detection datasets. As a result, in the first experiment, it was found that the inclusion of the background in the inferred image was more advantageous for object detection performance than the removal of the background excluding the object. In the second experiment, it was found that retraining by accumulating false positives from each level of retraining was more advantageous than retraining independently for each level of retraining in terms of continuous improvement of object detection performance. After retraining the false positive data with the method determined in the two experiments, the car object class showed excellent inference performance with an AP value of 0.95 or higher after the first retraining, and by the fifth retraining, the inference performance was improved by about 1.06 times compared to the initial inference. And the person object class continued to improve its inference performance as retraining progressed, and by the 18th retraining, it showed that it could self-improve its inference performance by more than 2.3 times compared to the initial inference.

시계열 RapidEye영상과 객체기반 변화탐지 기법을 이용한 논벼 재배지역 추출

이성학 ( Sunghack Lee ),최진용 ( Jinyong Choi ),오윤경 ( Yunkyung Oh ),이상현 ( Sanghyun Lee ),박나영 ( Nayoung Park ) 한국농공학회 2012 한국농공학회 학술대회초록집 Vol.2012 No.-

최근 발사된 대부분의 인공위성은 고해상도위성(High Resolution Satellite)이며, 이전의 중/저해상도 위성영상과는 다른 영상 분석 방법이 필요하다. 중/저해상도 위성영상 분석을 위해서는 픽셀기반의 분류 방법이 주로 사용된 반면, 고해상도 위성영상에서 픽셀기반(Pixel-based) 분류방법을 적용할 경우 정확도를 떨어지는 경우가 많으며, 이는 위성영상의 해상도 증가로 분석 대상물보다 픽셀 크기가 작아짐에 따라 발생한다. 즉, 분석대상물 내에 다른 분광특성을 가지는 픽셀이 혼재하여 분석이 힘들어진다. 하지만 고해상도 위성은 중/저해상도 위성에 비해 더욱 많은 공간정보를 담고 있다. 따라서 고해상도 위성영상의 효과적인 분석을 위하여 객체기반(Object-based) 분석방법이 많이 적용되고 있다. 객체기반 분석 방법은 고해상도 영상에서 균일한(Homogeneous) 분광정보를 가지는 작은 객체(Object)로 분할(Segmentation)한 뒤 다시 보다 큰 객체로 분류(Classification)하며, 분할된 객체는 픽셀이 아닌 폴리곤( Polygon)형태로 표현된다. 고해상도 위성영상을 균일한 객체로 분할할 때 분할 크기에 다른 형태의 정보를 표현한다. 예를 들어 논벼 재배지역에서 하나의 필지 단위로 객체를 분할할 수도 있으나 용수구역단위에 가깝도록 분할 할 수 도 있다. 따라서 객체 분할 크기에 따라 각기 다른 위상정보를 가진 객체를 생성할 수 있으며, 이들의 관계를 이용하면 분류의 정확도 뿐 만 아니라 시계열 위성영상의 분할 시에 동일 영역에서 발생하는 객체분할의 불일치 문제를 해결하는데 유용하다. 객체기반 변화 탐지는 시계열 위성영상에 대하여 시간변화에 따른 지표의 변화를 탐지하는 방법으로 픽셀단위 변화탐지와 함께 분할된 객체의 형상과 위상정보를 함께 이용한다. 본 연구에서 목적은 북한 황해도 재령군 지역을 대상으로 시계열(4월, 6월, 8월) RapidEye(5m 해상도) 위성영상을 이용하여 논벼 재배 지역을 추출하는데 있어 객체기반의 변화탐지 기법을 적용하고자 한다. 다양한 객체 크기별 객체분할에는 Trimble사의 eCognition^® 소프트웨어를 이용하며, 객체분석과 논벼 재배지역 추출을 위해서 계층적 분류방법을 사용한다. 객체기반의 변화탐지 기법의 성능을 평가하기 위하여 전통적인 픽셀기반의 분류방법을 같은 지역에 대해 적용한 후 결과를 비교하고자 한다.

객체 탐지 기술을 적용한 군수품 TOD 개선 -무인기 식별 개선을 중심으로-

이윤오,남승호,윤여준 한국품질경영학회 2023 한국품질경영학회 학술대회 Vol.2023 No.0

2022년 12월경에 북한의 정보탐색 무인기가 한국의 영공을 침범하였고, 다음날에는 북한 무인기로 추정되는 항적이 포착되어 군이 현장 출동한 결과 새 떼를 오인하였다. 이처럼 북한의 소형 무인기는 레이더상으로는 덩치가 큰 새와 구별하기가 쉽지 않다. 그래서 군수품 TOD(Thermal Observation Device)에 객체 탐지 기술을 적용하여, 새와 무인기 식별이 가능한 TOD로 개선하고자 한다. 본 연구의 대상인 TOD는 열상관측장비로 물체의 열을 감지하여 영상으로 변환하는 장비를 말하며 야간에 먼 곳의 물체를 식별할 수 있는 장비이다. 그러나 먼 거리 영공의 무인기와 새를 사람이 보고 분별하기에, 휴먼에러가 발생할 가능성이 있다. 따라서 본 문제를 해결하기 위해 이미지에서 객체의 종류를 식별함과 동시에 그 위치를 찾는 컴퓨터 비전 기술인 객체 탐지 기술을 사용하려고 한다. 최근 객체 탐지 기술을 군수품 개선 방법 연구에도 사용되고 있다. 객체 탐지 방법은 1단계 객체 감지기와 2단계 객체 감지기의 두 가지 주요 유형으로 분류할 수 있다. 그중 1단계 객체 감지기는 식별 대상을 빠르게 분석할 수 있다. 따라서 본 연구는 원거리의 작은 물체 식별에 정확도가 높고 빠르게 분석하는 1단계 객체 탐지 모델을 사용하여 TOD를 개선하고자 한다. 객체 탐지 모델을 사용하여 세부적으로 새와 무인기의 정보 및 특징을 수집하고, 수집한 데이터를 체크리스트로 선별하여 인공지능(AI)에 주입하여 지도 학습시킨다. 또한 식별률을 높이기 위해 대상 이미지에 라벨을 부착시킨다. 그리고 기존 원거리 카메라와 TOD를 결합하여 항시 감시 시스템을 갖추려고 한다. 본 아이디어는 기존 TOD 성능과 먼 거리를 감시할 수 있는 카메라를 결합하여 문제 인식 및 식별률을 높이고, TOD 감시병이 실시간으로 감시하는 역할을 인공지능(AI)이 일정 수준 이상의 감시 상태를 항상 유지할 수 있을 것으로 판단한다. 또한 한국 영공의 위험 요소를 방지 및 예방하고 국방 관계자들의 최적의 정보와 의사결정에 도움을 줄 수 있을 것으로 기대된다.

얼굴 탐지를 적용한 CMT 객체 추적 기법의 스마트폰 활용 연구

이상구 국제문화기술진흥원 2021 The Journal of the Convergence on Culture Technolo Vol.7 No.1

최근 영상 콘텐츠의 확산에 따라 기존 콘텐츠들이 동영상으로 전환되고 있으며, 새로운 플랫폼들의 등장으로 인해 영상 콘텐츠 생태계의 성장은 가속화되고 있다. 이처럼 가속화된 성장은 전문가의 영역으로 분류되던 동영상 제 작 및 편집 기술들을 일반인들 또한 쉽게 접하고 이용할 수 있도록 기술의 보편화 과정에 큰 영향을 미치고 있다. 이 러한 기술들의 발전으로 인해 사람의 수작업을 통해서만 영상을 녹화하고 조절하던 과정들을 객체 추적 기술에 기반 하여 자동으로 촬영하고자 하는 객체를 찾아 화면의 정중앙에 위치시켜 영상을 녹화하는 자동화 과정이 가능하게 되 었다. 하지만 추적하고자 하는 객체를 지정하는 일은 아직까지 사람의 수작업을 요구하며 객체를 지정하는 수작업 과 정에서 지연이나 객체 지정에 실수가 발생할 수도 있다. 이에 따라, 본 연구에서는 Haar Cascade Classifier를 활용 한 얼굴 탐지기법과 CMT 객체 추적 알고리즘을 결합한 새로운 객체 추적 기법을 제안한다. 제안된 시스템은 스마트 폰에서 실시간 연속적인 객체추적을 위한 효율적이고 강인한 영상추적 시스템에 잘 응용될 수 있다. Due to the recent proliferation of video contents, previous contents expressed as the character or the picture are being replaced to video and growth of video contents is being boosted because of emerging new platforms. As this accelerated growth has a great impact on the process of universalization of technology for ordinary people, video production and editing technologies that were classified as expert’s areas can be easily accessed and used from ordinary people. Due to the development of these technologies, tasks like that recording and adjusting that depends on human’s manual involvement could be automated through object tracking technology. Also, the process for situating the object in the center of the screen after finding the object to record could have been automated. Because the task of setting the object to be tracked is still remaining as human’s responsibility, the delay or mistake can be made in the process of setting the object which has to be tracked through a human. Therefore, we propose a novel object tracking technique of CMT combining the face detection technique utilizing Haar cascade classifier. The proposed system can be applied to an effective and robust image tracking system for continuous object tracking on the smartphone in real time.

딥러닝 기반의 분할과 객체탐지를 활용한 도로균열 탐지시스템 개발

하종우(Jongwoo Ha),박경원(Kyongwon Park),김민수(Minsoo Kim) 한국전자거래학회 2021 한국전자거래학회지 Vol.26 No.1

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다. Many recent studies on deep learning-based road crack detection have shown significantly more improved performances than previous works using algorithm-based conventional approaches. However, many deep learning-based studies are still focused on classifying the types of cracks. The classification of crack types is highly anticipated in that it can improve the crack detection process, which is currently relying on manual intervention. However, it is essential to calculate the severity of the cracks as well as identifying the type of cracks in actual pavement maintenance planning, but studies related to road crack detection have not progressed enough to automated calculation of the severity of cracks. In order to calculate the severity of the crack, the type of crack and the area of the crack in the image must be identified together. This study deals with a method of using Mobilenet-SSD that is deep learning-based object detection techniques to effectively automate the simultaneous detection of crack types and crack areas. To improve the accuracy of object-detection for road cracks, several experiments were conducted to combine the U-Net for automatic segmentation of input image and object-detection model, and the results were summarized. As a result, image masking with U-Net is able to maximize object-detection performance with 0.9315 mAP value. While referring the results of this study, it is expected that the automation of the crack detection functionality on pave management system can be further enhanced.

다양한 화소기반 변화탐지 결과와 등록오차를 이용한 객체기반 변화탐지

정세정,김태헌,이원희,한유경 한국측량학회 2019 한국측량학회지 Vol.37 No.6

Change detection, one of the main applications of multi-temporal satellite images, is an indicator that directly reflects changes in human activity. Change detection can be divided into pixel-based change detection and object-based change detection. Although pixel-based change detection is traditional method which is mostly used because of its simple algorithms and relatively easy quantitative analysis, applying this method in VHR (Very High Resolution) images cause misdetection or noise. Because of this, pixel-based change detection is less utilized in VHR images. In addition, the sensor of acquisition or geographical characteristics bring registration noise even if co-registration is conducted. Registration noise is a barrier that reduces accuracy when extracting spatial information for utilizing VHR images. In this study object-based change detection of VHR images was performed considering registration noise. In this case, object-based change detection results were derived considering various pixel-based change detection methods, and the major voting technique was applied in the process with segmentation image. The final object-based change detection result applied by the proposed method was compared its performance with other results through reference data. 다시기 위성 영상을 이용한 변화탐지 분석은 인간 활동의 변화를 직접 반영하는 지표이다. 변화탐지는 크게 화소 기반 변화탐지(PBCD: Pixel-Based Change Detection)와 객체 기반 변화탐지(OBCD: Object-Based Change Detection)로 구분한다. 화소 기반 변화탐지는 알고리즘이 간단하고 비교적 쉽게 정량적 분석이 가능해 전통적으로 많이 쓰여온 기법이나 고해상도 영상에서의 화소 기반 변화탐지는 오탐지나 노이즈(noise)가 발생하기 때문에 고해상도 영상에서의 활용도가 떨어진다. 또한, 고해상도 다시기 영상은 취득 당시 센서의 자세나 지형적 특성으로 인해 영상 등록(image registration)을 수행한 이후에도 지형적 불일치가 발생한다. 등록오차(registration noise)라고 불리는 이 지형 불일치는 고해상도 다시기 영상 활용을 위한 공간정보 추출 시 정확도를 떨어뜨리는 방해요인으로 작용한다. 이에 본 연구에서는 등록오차를 고려한 고해상도 영상의 객체 기반 변화탐지를 수행하였다. 이 때, 다양한 화소 기반 변화탐지 결과를 모두 고려한 객체 기반 변화탐지 결과를 도출하였으며 이 과정에서 분할 영상(segmentation image)과의 major voting을 적용하였다. 제안 기법과 화소 기반 변화탐지 결과, 그리고 화소 기반 변화탐지 결과를 객체 기반 변화탐지로 확장한 결과의 비교를 통해 제안 기법의 우수성을 평가하였다

멀티모달 딥 러닝 기반 이상 상황 탐지 방법론

이동훈,김남규 한국지능정보시스템학회 2022 지능정보연구 Vol.28 No.2

최근컴퓨팅기술의발전과클라우드환경의개선에따라딥러닝기술이발전하게되었으며, 다양한분야에딥러닝을 적용하려는 시도가 많아지고 있다. 대표적인 예로 정상적인 데이터에서 벗어나는 값이나 패턴을 식별하는 기법인 이상 탐 지가있으며, 이상탐지의대표적유형인점이상, 집단적이상, 맥락적이중특히전반적인상황을파악해야하는맥락적 이상을 탐지하는 것은 매우 어려운 것으로 알려져 있다. 일반적으로 이미지 데이터의 이상 상황 탐지는 대용량 데이터로 학습된 사전학습 모델을 사용하여 이루어진다. 하지만 이러한 사전학습 모델은 이미지의 객체 클래스 분류에 초점을 두어 생성되었기 때문에, 다양한 객체들이 만들어내는 복잡한 상황을 탐지해야 하는 이상 상황 탐지에 그대로 적용되기에는 한 계가 있다. 이에 본 연구에서는 객체 클래스 분류를 학습한 사전학습 모델을 기반으로 이미지 캡셔닝 학습을 추가적으로 수행하여, 객체 파악뿐만 아니라 객체들이 만들어내는 상황까지 이해해야 하는 이상 상황 탐지에 적절한 2 단계 사전학습 모델 구축 방법론을 제안한다. 구체적으로 제안 방법론은 ImageNet 데이터로 클래스 분류를 학습한 사전학습 모델을 이 미지 캡셔닝 모델에 전이하고, 이미지가 나타내는 상황을 설명한 캡션을 입력 데이터로 사용하여 학습을 진행한다. 이후 이미지와 캡션을 통해 상황 특질을 학습한 가중치를 추출하고 이에 대한 미세 조정을 수행하여 이상 상황 탐지 모델을 생 성한다. 제안 방법론의 성능을 평가하기 위해 직접 구축한 데이터 셋인 상황 이미지 400장에 대해 이상 탐지 실험을 수행 하였으며, 실험 결과 제안 방법론이 기존의 단순 사전학습 모델에 비해 이상 상황 탐지 정확도와 F1-score 측면에서 우수 한 성능을 나타냄을 확인하였다.

An Enhanced Two-Stage Vehicle License Plate Detection Scheme Using Object Segmentation for Declined License Plate Detections

Sang-Won Lee(이상원),Bumsuk Choi(최범석),Yoo-Sung Kim(김유성) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.9

본 논문에서는 실제 도로에서 기울어진 촬영 각도로 인하여 회전된 차량 번호판을 정확하게 탐지하기 위하여 객체 세그먼테이션(object segmentation)을 이용하는 개선된 2-단계 차량 번호판 탐지 모델을 제안한다. 기존 연구에서 제안한 3-단계 차량 번호판 탐지 파이프라인 모델은 차량 번호판이 많이 기울어져 있을수록 탐지 정확도가 낮아지는 문제가 있다. 이를 해결하기 위해서 기존의 3-단계 모델에서 사각형 형태만으로 차량 후보 영역과 차량 번호판 후보 영역을 인식하는 전위 2개의 처리 단계 대신에 임의의 형태로 객체 탐지가 가능한 객체 세그먼테이션을 이용하는 하나의 단계로 대체함으로써 탐지 과정을 단순화하였으며 궁극적으로는 임의의 형태로 기울어진 차량 이미지에 대해서도 탐지 성능을 개선하였다. 기울어진 차량 번호판 이미지를 대상으로 실시한 차량 번호판 탐지 모델의 정확도 분석 실험 결과에 의하면 기존의 3-단계 차량 번호판 탐지 모델보다 제안된 2-단계 기법이 탐지 과정을 단순화하였음에도 최대 약 20%의 탐지 정확도를 개선할 수 있는 것으로 분석되었다. In this paper, an enhanced 2-stage vehicle license plate detection scheme using object segmentation is proposed to detect accurately the rotated license plates due to the inclined photographing angles in real-road situations. With the previous 3-stage vehicle license plate detection pipeline model, the detection accuracy is likely decreased as the license plates are declined. To resolve this problem, we propose an enhanced 2-stage model by replacing the frontal two processing stages which are for detecting vehicle area and vehicle license plate respectively in only rectangular shapes in the previous 3-stage model with one step to detect vehicle license plate in arbitrarily shapes using object segmentation. According to the comparison results in terms of the detection accuracy of the proposed 2-stage scheme and the previous 3-stage pipeline model against the rotated license plates, the accuracy of the proposed 2-stage scheme is improved by up to about 20% even though the detection process is simplified.

초해상도 모델 구조 기반 항공 영상 내 다중 크기 객체 검출 신경망

김해문,안종식,이태영,최병인 한국항공우주학회 2023 韓國航空宇宙學會誌 Vol.51 No.8

Aerial images captured at various flight altitudes and in urban environments contain objects of various sizes and large numbers of small objects in dense locations. In other words, objects and background in aerial images have a variety of object sizes, superposition between objects, similarity between objects and backgrounds, and background complexity. Object detectors such as YOLO (You Only Look Once)-based networks have a high misdetection ratio when considering aerial image characteristics. Especially the shallow backbone network proposed to solve the high object distribution in aerial images with a complex background has high detection accuracy at small objects, but poor detection accuracy at large object. In this paper, we propose a YOLOv5U network, which is similar to the super resolution network and skip connection that reduces spatial information distortion to improve the detection accuracy performance by improving the detection ratio of all object sizes. Additionally, we evaluate the network performance by conducting experiments that combine segmentation loss with object detection network learning. The results of the experiment show, the proposed YOLOv5U network achieves FPS (Frame Per Second) and (mean Average Precision) in large object performance 40%, 143% higher than the YOLOv5-TA network. Futhermore, mAP performance improved by 7.4% over TPH-YOLOv5 networks that recorded outstanding performance in visdrone-DET2021 Challenge. 다양한 비행 고도와 도심 환경에서 촬영된 항공 영상은 다양의 크기의 객체와 밀집된 다수의 소형 객체를 포함한다. 즉 항공 영상은 객체 크기의 다양성, 객체 간 중첩성, 객체와 배경 간 유사성, 배경 복잡성을 가진다. 따라서 YOLO (You Only Look Once) 계열 신경망과 같은 일반 객체 검출기는 항공 영상 특성 고려할 때, 관심 객체 미탐지율이 높다. 특히 복잡한 배경의 항공 영상 내 높은 객체 분포도를 해결하고자 제안된 얇은 특징 추출 신경망은 소형 객체 검출정확도는 높으나, 대형 객체 검출정확도 성능은 좋지 못하다. 따라서 본 논문에서는 초해상도 복원 신경망과 유사한 구조의 YOLOv5U 신경망과 공간 정보 왜곡을 최소화하는 Skip Connection을 제안하여, 모든 객체 크기의 탐지율 향상을 통해 전체 객체 검출정확도를 향상하였다. 또한 영역 분할 손실 함수를 객체 검출기 신경망 학습과 결합하여 비교 실험을 통해 성능을 평가하였다. 실험 결과, 제안하는 YOLOv5U 신경망은 소형 객체 검출기 YOLOv5-TA 신경망 대비 FPS (Frame Per Second) 성능과 대형 객체(Large, 96×96 화소 이상)의 (mean Average Precision) 성능이 40%, 143% 증가하였다. 또한 Visdrone-DET2021 Challenge에서 우수한 성능을 달성한 TPH-YOLOv5 신경망 대비 성능이 7.4% 향상하였다.

환경변화에 강인한 다중 객체 탐지 및 추적 시스템

이우주(Wu Ju Lee),이배호(Bae Ho Lee) 大韓電子工學會 2009 電子工學會論文誌-SP (Signal processing) Vol.46 No.6

본 논문에서는 보안 및 감시 시스템 분야에 적용할 수 있는 실시간 객체 탐지 및 추적 알고리듬을 제안한다. 구현된 시스템은 객체 탐지 단계, 객체 추적 단계로 구성되었다. 객체탐지에서는 정확한 객체의 움직임 검출을 위한 향상된 검출 방법인 적응배경 차분법과 적응적 블록 기반 모델을 제안한다. 객체추적에서는 칼만 필터에 기반한 다중 물체 추적 시스템을 설계하였다. 실험결과 이동객체의 움직임을 추정할 수 있었고, 추적 과정에서도 다수의 객체를 잃어버리지 않고 정상적으로 추적할 수 있었다. 또한 원거리 탐지 및 추적에서 향상된 결과를 얻을 수 있었다. This paper proposes real time object detection and tracking algorithm that can be applied to security and supervisory system field. A proposed system is devide into object detection phase and object tracking phase. In object detection, we suggest Adaptive background subtraction method and Adaptive block based model which are advanced motion detecting methods to detect exact object motions. In object tracking, we design a multiple vehicle tracking system based on Kalman filtering. As a result of experiment, motion of moving object can be estimated. the result of tracking multipul object was not lost and object was tracked correctly. Also, we obtained improved result from long range detection and tracking.