$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] Mask R-CNN에 의한 자동차 탐지에서 학습 영상 화면 축척과 촬영계절이 정확도에 미치는 영향 분석
Analysis of the Effect of Learned Image Scale and Season on Accuracy in Vehicle Detection by Mask R-CNN 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.40 no.1, 2022년, pp.15 - 22  

최주영 (Dept. of Environmental Health Science, Dept. of Technology Fusion Engineering, Konkuk University) ,  원태연 (Dept. of Advanced Technology Fusion, Konkuk University) ,  어양담 (Dept. of Civil and Environmental Engineering, Konkuk University)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 딥러닝 객체탐지 기법의 정확도 향상을 위해 항공사진과 드론 영상을 대상으로 확대율 조건과 계절요인이 탐지정확도에 미치는 영향을 실험을 통해 분석하였다. 딥러닝 객체탐지기법 중 빠른 학습 속도와 높은 정확도를 나타내는 Mask R-CNN을 사용하여 탐지대상인 자동차를 픽셀 단위로 탐지하고자 하였다. '서울시 항공사진서비스'를 통해 화면 확대 레벨을 달리하며 학습 영상을 캡처하고 각각을 학습하여 정확도를 분석하였다. 실험결과에 따르면 확대 레벨이 높아질수록 mAP 평균이 60%, 67%, 75%로 높아졌다. 데이터 세트의 train, test 데이터의 확대율을 엇갈려서 배치한 경우에는 확대율이 매우 낮은 경우를 제외하고 저배율의 데이터를 train 데이터로, 고배율의 데이터를 test 데이터로 배치하였을 때 높은 mAP로 반대의 경우보다 20% 이상 차이를 보였다. 그리고 4개월의 시차로 계절적 차이를 두고 촬영한 드론 영상의 경우, 같은 시기 영상자료 학습결과가 평균 93%로 높은 정확도를 나타내어 계절적 차이도 학습에 영향을 주는 것을 확인되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In order to improve the accuracy of the deep learning object detection technique, the effect of magnification rate conditions and seasonal factors on detection accuracy in aerial photographs and drone images was analyzed through experiments. Among the deep learning object detection techniques, Mask ...

Keyword

#딥러닝   #원격탐사   #객체탐지  

표/그림 (12)

참고문헌 (17)

  1. Girshick, R., Donahue, J., Darrell, T., and Malik, J. (2014), Rich feature hierarchies for accurate object detection and semantic segmentation, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 24-27 June, Columbus, Ohio, pp. 580-587. 

  2. Gu, H.I. (2018), Artificial intelligence and deep learning trends, The Korean Institute of Electrical Engineers, Vol. 67, No. 7, pp. 7-12. (in Korean) 

  3. He, K., Gkioxari, G., Dollar, P., and Girshick, R. (2017), Mask R-CNN, IEEE International Conference on Computer Vision (ICCV), 22-29 October, Venice, Italy, pp. 2961-2969. 

  4. Jeong, J.Y., Cho, W.S., Chang, H.J., and Jeong, J.W. (2008), A Study on Object-based Change Detection Using Aerial LiDAR Data, The Korean Society of Remote Sensing Spring Conference-2008, 21 March, Korea, pp. 95-100. 

  5. Kim, J., Song, Y.H., and Lee, W.K. (2021), Accuracy analysis of Multi-series Phenological Landcover Classification Using U-Net-based Deep Learning Model -Focusing on the Seoul, Republic of Korea-, Korean Journal of Remote Sensing, Vol. 37, No. 3, pp. 409-418. (in Korean with English abstract) 

    원문보기 상세보기 crossref

  6. Kim, Y.S., Kwak, G.H., Lee, K.D., Na, S.I., Park, C.W., and Park, N.W. (2018), Performance evaluation of machine learning and deep learning algorithms in crop classification: impact of hyper-parameters and training sample size, Korean Journal of Remote Sensing, Vol. 34, No. 5, pp. 811-827. (in Korean with English abstract) 

    원문보기 상세보기 crossref

  7. Lecun, Y., Boser, B., Denker, J.S., Henderson, D., Howard, R.E., Hubbard, and W., Jackel, L.D., (1989), Backpropagation applied to handwritten zip code recognition, Neural Computation, Vol. 1, No. 4, pp. 541-551. 

    상세보기 crossref

  8. Lee, M.H., Nam, K.W., and Lee, C.W. (2019), Crack Detection on the Road in Aerial Image using Mask R-CNN, Journal of the Korea Industrial Information Systems Research, Vol. 24, No. 3, pp. 23-29. (in Korean with English abstract) 

    원문보기 상세보기 crossref

  9. Lee, S.G., Park, Y.S., Lee, G.S., Lee, J.Y., and Lee, S.H. (2013), An automatic object extraction method using color features of object and background in image, The Journal of Digital Policy & Management, Vol. 11, No. 12, pp. 459-465. (in Korean with English abstract) 

  10. Park, J.C., Son, S.B., Lee, S.H., Jung, J.U., Park, Y.J., and Oh, H.S. (2021), Deep Ensemble based Object Detection from Aerial Images, Journal of Institute of Control, Robotics and Systems, Vol. 27, No. 12, pp. 944-952. (in Korean with English abstract) 

    상세보기 crossref

  11. Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016), You only look once: unified, real-time object detection, 29th IEEE Conference on Computer Vision and Pattern Recognition, 27-30 June, Las Vegas, Nevada, USA, pp. 779-788. 

  12. Ren, S., He, K., Girshick, R., and Sun, J. (2015), Faster R-CNN: towards real-time object detection with region proposal networks, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 39, No. 6, pp. 91-99. 

  13. Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., Berg, A.C., and Fei-Fei, L. (2015), Imagenet large scale visual recognition challenge, International Journal of Computer Vision, Vol. 115, No. 3, pp. 211-252. 

    상세보기 crossref

  14. Simonyan, K. and Zisserman, A. (2015), Very deep convolutional networks for large-scale image recognition, Computer Vision and Pattern Recognition, Cornell University, Ithaca, NY, USA. 

  15. Song, J.Y., Won, T.Y., Jo, S.M., Eo, Y.D., Park, S.Y., Shin, S.H., Park, J.S., and Kim, C.J. (2021), Comparative experiment of cloud classification and detection of aerial image by deep learning, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 39, No. 6, pp. 351-360. (in Korean with English abstract) 

  16. Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., and Rabinovich, A. (2015), Going deeper with convolutions, 2015 IEEE Conference on Computer Vision and Pattern Recognition, 7-12 June, Boston, MA, USA, pp. 1-9. 

  17. Youn, H.J., Lee, M.H., Jeong, Y.S., Lee, C.W., Lee, H.S., and Jo, J.W. (2019), A Study on Car Detection in Road Surface Using Mask R-CNN in Aerial Image, Korea Institute of information and Communication Engineering Spring Conference-2019, 23 May, Korea, pp. 71-73. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로