해상에서 소형 객체 인식률 향상을 위한 특징 추출 기법에 관한 연구
저자
발행사항
진주 : 경상국립대학교 대학원, 2022
학위논문사항
학위논문(석사)-- 경상국립대학교 대학원 해양시스템공학과(학과간) 스마트선박공학전공 2022.8
발행연도
2022
작성언어
한국어
주제어
발행국(도시)
경상남도
기타서명
A Study on the Shape Extraction Technology to Increase the Recognition Rate of Small Objects on the Sea
형태사항
ix, 62 p. : 삽화 ; 30 cm
일반주기명
경상국립대학교 논문은 저작권에 의해 보호받습니다
지도교수: 이재철
UCI식별코드
I804:48003-000000031897
소장기관
딥러닝 기술은 지속적으로 연구되고 있으며, 딥러닝 이미지 인식 기술은 많은 산업 분야에 적용되어 활용되고 있다. 또한 이미지 인식 기술을 활용하기 위해서는 모델을 학습하기 위해 대량의 고품질 빅데이터가 필요하다.
딥러닝은 모델링을 통해 학습하는 과정을 진행한다.
인간의 뇌와 같은 신경 네트워크 이 과정에서 인간은
개입은 학습에 필요한 데이터를 넣고, 모델은 데이터 학습을 진행한다. 따라서 좋은 딥러닝 모델을 만들기 위해 사람들이 개입할 수 있는 부분은 좋은 데이터를 넣는 것이고, 데이터의 중요성은 그만큼 크다.
이렇게 좋은 데이터를 처리하는 과정을 데이터라고 한다.
전처리, 데이터 전처리에는 다양한 기법이 있다.
또한 데이터에 따라 환경 및 용도가 다르기 때문에 용도에 맞는 데이터를 처리하기 위해서는 그에 따른 전처리를 해야 한다.
본 연구에서 물체 탐지에 사용되는 데이터는 해저 데이터이기 때문에 기밀에 속하기 때문에 데이터 수집이 제한적이며, 바다에 존재하기 때문에 소음이 많은 이미지이다. 이 때문에 모델의 성능이 떨어졌으며 이를 보완하기 위해 데이터 전처리를 통해 형상추출을 개선하고 이미지를 높이는 것이 목적이다.
이러한 목적에 적합한 전처리 기법을 제안하여 형상추출을 개선하기 위해 이미지를 생성하였으며, 이미지의 품질을 평가하기 위해 Blur Metric을 사용하였다.
물체감지 알고리즘은 빠른 검출속도와 작은 크기의 물체감지를 목표로 했기 때문에 1단계 검출기에 해당하는 SSD-RetinaNet과 EfficientDet-EfficientDet-EfficientNet을 동일한 훈련단계와 학습속도에 사용하였고, 데이터셋도 Fig.d를 구성하여 비교검증을 수행하였다.
비교 결과, AP 기준 72.8%로 높기 때문에 EfficientDet-EffectiveNet이 선정되었으며, 전처리 전 대비 5.7% 향상된 성능을 보였다.
Deep learning technology is being continuously researched, and deep learning image recognition technology is applied and utilized in many industrial fields. In addition, in order to utilize image recognition technology, a large amount of high-quality big data is required to learn models.
Deep learning proceeds with the process of learning by modeling neural networks such as the human brain. In this process, human intervention puts in the data necessary for learning, and the model proceeds with data learning.
Therefore, the part where people can intervene to create a good deep learning model is to put in good data, and the importance of data is that much.
The process of processing such good data is called data Pre-processing, and there are various techniques for data Pre-processing.
In addition, since the environment and purpose are different depending on the data, Pre-processing accordingly must be performed to process data suitable for the purpose.
The data used for object detection in this study is submarine data, so data collection is limited because it belongs to confidentiality, and it is an image with a lot of noise because it exists in the ocean. For this reason, the performance of the model was poor, and in order to compensate for this, the purpose is to improve feature extraction and increase images through data Pre-processing.
An image was generated to improve feature extraction by proposing a Pre-processing technique suitable for this purpose, and Blur Metric was used to evaluate the quality of the image.
Since the algorithm for object detection was aimed at fast detection speed and small-sized object detection, SSD-RetinaNet and EfficientDet-EffectiveNet, which correspond to the first stage detectors, were used for the same training step and learning rate, and the dataset was also conFig.d to conduct comparative verification.
As a result of the comparison, EfficientDet-EffectiveNet was selected because it was high at 72.8% based on AP, and the performance was improved by 5.7% compared to before Pre-processing.
분석정보
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)