드론 영상의 YOLO 딥러닝 기법 적용을 통한 개인형 이동장치 탐지 = Personal Mobility Detection through Application of YOLO Deep Learning Algorithm to Drone Images

다국어 초록 (Multilingual Abstract)

Recently, the utilization rate of PM (Personal Mobility) and its users has been rapidly increasing as a short distance transportation option. As the consumption patterns in modern cities shift towards the sharing economy, various shared mobility platforms have been developed, leading to the emergence of PM in the form of shared electric scooters. Consequently, there has been a simultaneous increase in companies providing shared PM services. However, due to the diverse types of shared PM offered by different service providers and variations in the number of providers across regions, the comprehensive management of PMs has become more challenging. Therefore, this paper aims to evaluate the feasibility of utilizing the YOLOv3 algorithm to detect shared PM objects from drone images and to assess accuracy, thereby verifying the potential for integrated PM management of PMs. PM images within the experimental area were collected using drones, and individual objects were labeled to train a deep learning model for PM detection. Subsequently, an accuracy evaluation was conducted to validate the feasibility of the approach. The experimental results demonstrated 80% recall and 87% precision accuracy, and an AP (average precision) value of 0.73, confirming the viability of utilizing the YOLOv3 algorithm on drone images for PM detection.

국문 초록 (Abstract)

최근 단거리 교통수단으로 개인형 이동장치와 이를 사용하는 사용자의 이용률이 빠르게 증가하고 있다. 또한, 현대도시의 소비 형태가 공유경제의 형태로 변화하며 관련 공유 플랫폼이 개발됨에 따라 개인형 이동장치인 PM(Personal Mobility)이 공유 전동킥보드 형태로 나타났으며, 이와 동시에 공유 PM 서비스를 제공하는 업체도 같이 증가하고 있다. 그러나 PM이 서비스 제공 업체마다 종류가 다르고, 지역마다 그 업체의 수가 달라 통합적인 관리가 더욱 어려운 상황이다. 따라서 본 논문에서는 드론을 통해 수집한 영상에서 YOLOv3 알고리즘으로 여러 업체의 PM 객체를 탐지하여, 통합적인 관리의 활용 가능성이 있는지 분석하고 정확도 평가를 수행하였다. 실험지역 내 PM이 포함된 드론 영상을 수집하고 PM 객체를 레이블링하여 딥러닝 모델을 학습시켜 PM을 탐지하였다. 정확도 평가 결과 재현율 80%, 정밀도 87%의 탐지 정확도와 0.73의 AP값을 얻었으며 이를 통해 드론 영상에서 YOLOv3 알고리즘을 활용하여 PM 검출을 수행하는 것이 가능함을 확인하였다.