YOLOv3 기반의 Dense Image Captioning과 모바일 로봇의 객체 탐지 시스템 = Dense Image Captioning and Object Detection System of Mobile Robot based on YOLOv3
저자
발행사항
서울 : 서울과학기술대학교, 2023
학위논문사항
학위논문(석사)-- 서울과학기술대학교 : 컴퓨터공학과 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
iii, 41p. ; 26 cm
일반주기명
지도교수: 한지형
UCI식별코드
I804:11034-200000664081
소장기관
본 연구에서는 객체 탐지를 위한 딥러닝 모델 YOLOv3 기반의 dense image captioning 모델과 모바일 로봇의 음성 명령 기반 객체 탐지 시스템을 제안한다. dense image captioning은 딥러닝 모델이 이미지에서 관심 영역을 예측하고 영역에 대한 설명을 생성하여, 하나의 이미지가 가지는 풍부한 정보를 모두 학습할 수 있도록하는 연구분야이다. 최근 몇 년 동안 성공적인 연구 결과들이 제안되었지만, 기존의 모델들은 여전히 faster R-CNN을 기반으로 한다. 본 연구에서 YOLOv3을 기반으로하여 객체 탐지 및 캡션 생성의 성능과 품질을 보장하는 새로운 dense image captioning 모델을 구현한다. 또한 transformer를 충분히 활용하기 위해 context feature와 관심 영역 정보를 포함하는 RoI feature를 결합하는 방법을 제안한다. 본 연구에서 제안한 모델은 dense image captioning의 벤치 마크 데이터셋에서 최고 성능을 달성하였으며 mAP는 이전 모델에 비해 8.99% 향상되었다. 또한 이전 모델인 FCLN과 비교하여 평균 테스트 시간이 2.64배 빨라졌다.
본 연구에서는 또한 YOLOv3을 활용하여 Kinect V2와 4개의 메카넘 휠을 탑재한 HUMIC 기반의 HRI(Human-Robot Interaction) 시스템을 제안한다. 제안하는 시스템에서는 사람이 찾고자 하는 물체에 대해 음성 명령을 내리면 HUMIC이 물체를 감지하여 물체 앞으로 이동한다. 이를 위해 YOLOv3뿐만 아니라 음성 인식 모델인 wav2vec 2.0도 사용한다. 실험은 실제 환경에서 진행되며, 본 연구는 HRI에 초점을 두고 있기 때문에 장애물이 없는 환경에서 HUMIC이 물체를 감지하는 시나리오를 기반으로 실험을 진행한다. 시나리오에 대한 9번의 시도 중 7번이 성공하여 77%의 성공률을 달성하였다.
In this paper, the dense image captioning model and the voice command-based object detection system for mobile robot are proposed using YOLOv3 which is deep learning model for object detection. Dense image captioning is a research field that enables machine learning models to learn rich information from images. Although there have been successful studies in recent years, previous models are still based on faster R-CNN. In this paper, the dense image captioning model with a new framework based on YOLOv3 is propsed to ensure object detection and captioning quality as well as performance. In addition, in order to fully utilize transformer, a method of combining the context feature representing the entire image and the Region of Interest(RoI) features including region information is proposed. The proposed model achieved state-of-the-art on benchmark dataset of dense image captioning and the mAP was improved by 8.99% compared to the previous models. Moreover, compared to the previous model, FCLN, the average test time was 2.64 times faster. In this paper, a Human-Robot Interaction (HRI) system is proposed using YOLOv3 based on HUMIC with a Kinect V2 and four mecanum wheels. In the proposed system, when a person gives a voice command to an object to find, the HUMIC detects the object and moves in front of the object. For this purpose, not only YOLOv3 is used, but also a deep learning model, wav2vec 2.0, for speech recognition. The experiments were conducted in a real environment, and since this study focuses on HRI, the experiments were conducted based on a scenario in which HUMIC detects an object in an environment without obstacles. The scenario was attempted 9 times and succeeded 7 times to achieve a 77% success rate.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)