이성준, 노명일, 오민재, 석영수, 김인일, 김현수, "딥 러닝 기반 물체 탐지 및 추적 기술을 이용한 선박 주변 인식 방법", 2019년도 한국CDE학회 동계학술발표회, 평창, pp. 165, 2019.01.23-26
Domestic Conference
2019.02.12 21:44
이성준, 노명일, 오민재, 석영수, 김인일, 김현수, "딥 러닝 기반 물체 탐지 및 추적 기술을 이용한 선박 주변 인식 방법", 2019년도 한국CDE학회 동계학술발표회, 평창, pp. 165, 2019.01.23-26
조회 수 108
| 첨부 '1' |
|---|
| Abstract | 선박 주변의 상황을 신속하고 정확하게 인식하는 기술은 자율 운항 선박에 있어서 필수적인 기술이며, 유인 선박의 경우에도 대부분 사람의 실수로 발생하고 있는 선박 충돌 사고를 감소시키기 위해 운항 보조 시스템으로서의 주변 인식 기술이 요구되고 있다. 탐지를 위해 레이더와 AIS (Automatic Identification System)가 널리 사용되고 있지만 근거리 탐지 및 물체 종류의 식별을 위해서는 육안을 대체할 수 있는 광학 카메라를 활용할 필요가 있다. 본 연구에서는 광학 카메라를 통해 촬영되는 영상에 최근 크게 발전하고 있는 딥 러닝 기반 물체 탐지 및 추적 알고리즘을 적용하여 선박 주변 인식을 수행하였다. CNN (Convolutional Neural Network)으로 구성되며 높은 정확도와 실시간의 빠른 속도를 제공하는 YOLO (You Only Look Once) 알고리즘을 이용하여 물체 탐지를 실시하였고, 탐지된 물체의 추적에는 이미지 처리 기법인 DCF-CSR (Discriminative Correlation Filter Tracker with Channel and Spatial Reliability)와 순환 인공 신경망인 LSTM (Long Short-Term Memory)을 각각 적용하여 성능을 비교하였다. 일반 이미지 데이터와 선박 전용 이미지 데이터를 사용하여 인공 신경망을 각각 학습시킨 후의 정확도와, 전이 학습 (transfer learning) 방법에 따라 일반 이미지 데이터로 선행 학습 (pre-training)한 후 선박 전용 이미지 데이터로 미세 조정 (fine-tuning)한 것의 정확도를 비교 분석하였다. 또한 내부 CNN 모델의 구조를 달리하면서 정확도에 미치는 영향을 알아보았다. 이들 결과의 정량적 비교 분석을 통해 선박 주변 인식을 위한 인공 신경망의 모델 구조와 학습 방법을 제안하였고 별도의 선박 이미지를 통해 이를 검증하였다. |
|---|---|
| Publication Date | 2019-01-24 |
