RISS 검색 - 국내학술지논문 상세보기

부가정보

국문 초록 (Abstract)

자연 조건에서 Apple 감지에는 가림 문제와 작은 대상 감지 어려움이 있다. 본 논문은 SSD 기반의 개선 된 모델을 제안한다. SSD 백본 네트워크 VGG16은 ResNet50 네트워크 모델로 대체되고 수용 필...

자연 조건에서 Apple 감지에는 가림 문제와 작은 대상 감지 어려움이 있다. 본 논문은 SSD 기반의 개선 된 모델을 제안한다. SSD 백본 네트워크 VGG16은 ResNet50 네트워크 모델로 대체되고 수용 필드 구조 RFB 구조가 도입되었다. RFB 모델은 작은 표적의 특징 정보를 증폭하고 작은 표적의 탐지 정확도를 향상시킨다. 유지해야 하는 정보를 필터링하기 위해 주의 메커니즘 (SE)과 결합하면 감지 대상의 의미 정보가 향상된다. 향상된 SSD 알고리즘은 VOC2007 데이터 세트에 대해 학습된다. SSD에 비해 개선 된 알고리즘은 폐색 및 작은 표적 탐지의 정확도를 3.4 % 및 3.9 % 향상 시켰다. 이 알고리즘은 오 탐지율과 누락된 감지율을 향상 시켰다. 본 논문에서 제안한 개선 된 알고리즘은 더 높은 효율성을 갖는다.

다국어 초록 (Multilingual Abstract)

Under natural conditions, Apple detection has the problems of occlusion and small object detection difficulties. This paper proposes an improved model based on SSD. The SSD backbone network VGG16 is replaced with the ResNet50 network model, and the receptive field structure RFB structure is introduced. The RFB model amplifies the feature information of small objects and improves the detection accuracy of small objects. Combined with the attention mechanism (SE) to filter out the information that needs to be retained, the semantic information of the detection objectis enhanced. An improved SSD algorithm is trained on the VOC2007 data set. Compared with SSD, the improved algorithm has increased the accuracy of occlusion and small object detection by 3.4% and 3.9%. The algorithm has improved the false detection rate and missed detection rate. The improved algorithm proposed in this paper has higher efficiency.

참고문헌 (Reference)

1 강태완, "무인차량 원격주행제어 신뢰성 향상을 위한 통합 시뮬레이터 구축에 관한 연구" 한국산학기술학회 20 (20): 86-94, 2019

2 Rong Zhou, "Using colour features of cv. ‘Gala’ apple fruits in an orchard in image processing to predict yield" Springer Science and Business Media LLC 13 (13): 568-580, 2012

3 Jordi Gené-Mola, "Multi-modal deep learning for Fuji apple detection using RGB-D cameras and their radiometric capabilities" Elsevier BV 162 : 689-698, 2019

4 James P. Underwood, "Mapping almond orchard canopy volume, flowers, fruit and yield using lidar and vision sensors" Elsevier BV 130 : 83-96, 2016

5 Ramesh Kestur, "MangoNet: A deep semantic segmentation architecture for a method to detect and count mangoes in an open orchard" Elsevier BV 77 : 59-69, 2019

6 Szegedy C, "Inception-v4,inception-resnet and the impact of residual connections on learning" 1-12, 2017

7 Sa I, "Deepfruits: a fruit detection system using deep neural networks" 16 (16): 66-75, 2016

8 하은규, "DQN을 이용한 트레이딩 예측을 위한 강화학습 모델 구현" 한국정보기술학회 17 (17): 1-8, 2019

9 정수목, "Advanced Pixel Value Prediction Algorithm using Edge Characteristics in Image" 한국인터넷방송통신학회 12 (12): 111-115, 2020

10 Weibo Liu, "A survey of deep neural network architectures and their applications" Elsevier BV 234 : 11-26, 2017