Domestic Conference

이원재, 노명일, 이성준, 석영수, 오민재, "스케일 정규화를 통한 딥러닝 기반의 선박 이미지 인식 정확도 향상 방법 연구", 2019년도 대한조선학회 춘계학술발표회, 제주, pp. 340, 2019.05.15-17

by SyDLab posted Apr 02, 2019
?

단축키

Prev이전 문서

Next다음 문서

ESC닫기

크게 작게 위로 아래로 댓글로 가기 인쇄
Extra Form
Abstract 자율 운항 선박에 있어서 선박 주변의 물체를 정확하고 신속하게 탐지하는 것은 중요한 기술이다. 또한 현재의 유인 운항 선박에서도 사람의 실수를 방지하기 위한 운항 보조 시스템으로서의 물체 탐지 기술이 필요하다. 본 연구에서는 광학 카메라를 통해 촬영된 해양 환경 영상을 대상으로 물체 탐지를 수행하였으며, SNIP(Scale Normalization for Image Pyramid) 방법을 이용하여 물체 탐지 정확도를 개선하고자 하였다. 본 연구에서는 물체 탐지 방법으로서 최근 컴퓨터 비전 분야에서 널리 활용되고 있는 CNN(Convolutional Neural Network)을 기반으로 한 딥 러닝 물체 탐지 방법인 Faster R-CNN을 활용하였다. Faster R-CNN의 경우 two-stage 물체 탐지 방법으로서 물체 탐지를 수행하는데 소요되는 시간이 one-stage 방법에 비해 길다는 단점이 있으나 비교적 물체 탐지 정확도가 높아 조선 해양 분야에 적합하다. 해양 환경 영상으로는 공개되어 있는 Singapore Maritime Dataset을 이용하여 물체 탐지 모델을 학습시켰고, 학습된 모델의 정확도를 확인하였다. 해양 환경 영상에서는 수많은 작은 물체가 존재하기 때문에 이들을 적절히 탐지하는 것은 중요하다. Faster R-CNN을 비롯한 기존의 물체 탐지 방법들의 경우 작은 물체를 탐지하는 정확도가 낮다는 단점이 있으나 이를 극복하기 위하여 Faster R-CNN 알고리즘에 SNIP 방법을 적용하였다. SNIP 방법에서는 작은 물체에 대해서는 스케일을 키우고 큰 물체에 대해서는 스케일을 작게 하여 물체 스케일 간의 편차를 줄인 다음 학습시켜 정확도를 향상시킨다. 결과적으로 작은 크기의 물체를 탐지하는 성능과 전체적인 물체 탐지 성능이 향상된 것을 확인하였다.
Keywords: Object detection (물체 탐지), Object recognition (장애물 인식), CNN (Convolutional Neural Network), Faster R-CNN, 딥 러닝( Deep learning), 스케일 정규화 (SNIP: Scale Normalization for Image Pyramid)
Publication Date 2019-05-17

이원재, 노명일, 이성준, 석영수, 오민재, "스케일 정규화를 통한 딥러닝 기반의 선박 이미지 인식 정확도 향상 방법 연구", 2019년도 대한조선학회 춘계학술발표회, 제주, pp. 340, 2019.05.15-17