[논문]데이터 선별 및 클래스 세분화를 적용한 실시간 해양 침적 쓰레기 감지 AI 시스템 구현과 성능 개선 방법 연구

왕태수; 오세영; 이현서; 최동규; 장종욱; 김민영

doi:10.17703/jcct.2022.8.3.571

[국내논문] 데이터 선별 및 클래스 세분화를 적용한 실시간 해양 침적 쓰레기 감지 AI 시스템 구현과 성능 개선 방법 연구
A Study on the Implementation of Real-Time Marine Deposited Waste Detection AI System and Performance Improvement Method by Data Screening and Class Segmentation 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.8 no.3, 2022년, pp.571 - 580

왕태수 (동의대학교 컴퓨터 공학과) , 오세영 (동의대학교 IT융합학과) , 이현서 (동의대학교 산업ICT기술공학과) , 최동규 (동의대학교 스마트IT연구소) , 장종욱 (동의대학교 컴퓨터 공학과) , 김민영 (동의대학교 ICT융복합연구소)

초록
AI-Helper

해양침적쓰레기는 유령어업으로 인한 폐어구들로 인해 많은 피해와 쓰레기 추정량 편차 증가 등의 문제를 일으키는 주요 원인이 된다. 본 논문에서는 폐어구 사용량, 유통량, 유실량, 회수량에 대한 실태 파악을 위해 실시간 해양침적쓰레기 감지 인공지능 시스템을 구현하고, 성능 개선을 위한 방법에 대해 연구한다. 실시간 객체인식에 우수한 성능모델인 yolov5모델을 활용하여 시스템을 구현하였고, 성능개선 방법으로는 학습데이터의 '데이터 선별 과정'과 '클래스 세분화' 방법을 적용하였다. 결론적으로 비선별된 데이터셋과 클래스가 세분화된 데이터셋의 객체인식 결과보다 불필요한 데이터를 선별하거나 특징 및 용도에 따라 유사 항목을 세분화 하지 않은 데이터셋의 객체인식 결과는 해양침적쓰레기 인식에 개선된 결과를 보인다.

Abstract ▼ AI-Helper

Marine deposited waste is a major cause of problems such as a lot of damage and an increase in the estimated amount of garbage due to abandoned fishing grounds caused by ghost fishing. In this paper, we implement a real-time marine deposited waste detection artificial intelligence system to understand the actual conditions of waste fishing gear usage, distribution, loss, and recovery, and study methods for performance improvement. The system was implemented using the yolov5 model, which is an excellent performance model for real-time object detection, and the 'data screening process' and 'class segmentation' method of learning data were applied as performance improvement methods. In conclusion, the object detection results of datasets that do screen unnecessary data or do not subdivide similar items according to characteristics and uses are better than the object recognition results of unscreened datasets and datasets in which classes are subdivided.

Keyword

표/그림 (17)

그림 그림 1. Faster R-CNN 구조 Figure 1. Structure of Faster R-CNN
그림 그림 2. YOLO 네트워크 아키텍처 Figure 2. Network Architecture of YOLO
그림 그림 3. Faster R-CNN, R-FCN, SSD, YOLO의 FPS 비교 Figure 3. FPS comparison between Fast R-CNN, R-FCN, SSD, and YOLO
그림 그림 4. Yolov5, EfficientDet 모델의 정확도 및 GPU속도 비교 Figure 4. Graph comparing the yolov5 models with the COCO AP value and GPU speed of the effective det model
그림 그림 5. 해양침적쓰레기 감지 AI 시스템 Figure 5. Marine Deposited Waste Detection AI System
그림 그림 6. 시스템 흐름도 Figure 6. System Flow Chart
표 표 1. 데이터 선별 기준 Table 1. Data Screening Criteria
그림 그림 7. 데이터 선별 기준에 따라 제외된 이미지 예시 Figure 7. Examples of images excluded by data screening criteria
그림 그림 8. 클래스 별 라벨링 기준에 따른 라벨링 이미지 Figure 8. Labeling images for each class according to the criteria
표 표 2. 클래스 별 라벨링 기준 Table 2. Labeling criteria for each class
표 표 3. 딥러닝 학습 환경 Table 3. Deep Learning Environment
표 표 4. 학습 Case 매개변수 분류표 Table 4. Classification of learning case parameters
표 표 5. 데이터 선별된 학습 Case 별 검증 테이블 Table 5. Learning Verification Table of data screened cases
그림 그림 9. 데이터 선별된 학습 Case 별 검출 장면 예시 이미지 Figure 9. Example images of detection scenes for each learning case
표 표 6. 비선별 된 데이터 학습 Case에 대한 검증 테이블 Table 6. Learning verification table of Data unscreened case
표 표 7. Best Case and Unscreened Case 학습 모델 성능 테이블 Table 7. Best Case and Unscreened Case learning model performance table
표 표 8. 클래스 세분화 성능 비교를 위한 통발 클래스 학습 결과 Table 8. Results of learning a traditional class to compare class segmentation performance

참고문헌 (22)

Y. J. Kim and S. M. Jeong, "Consideration on the Standing Stock of Marine Wastes" in Journal of Korea Society of Waste Management, Vol. 33, No. 6, pp. 598-605, Sep. 2016. (DOI : 10.9786/kswm.2016.33.6.598)

상세보기
Marine Environment Information Portal, "The justice of marine waste." Internet: https://www.meis.go.kr/mli/intro/learn.do,[Jan.5,2022]
KOEM, "The final report of 2020 National Constal Waste Monitoring." Internet: https://www.koem.or.kr/site/koem/ex/board/View.do?cbIdx370&bcIdx30182, Apr.20,2021[Jan.5,2022]
Ministry of Oceans and Fisheries "The 1st Basic Plan for the Management of Marine Waste and Marine Pollution Deposits (2021-2030)." Internet: https://www.mof.go.kr/article/view.do?articleKey39282&boardKey22&menuKey851¤tPageNo1, Jun.30,2021[Jan.5,2022]
S. H. Kim, Y. S. Yang, J. H. Jeong, M. S. Song, D. H. Lee, M. B. Choi, S. H. Cha, C. H. Lee and H. S. Kim, "Verification on the Ghost Fishing by Derelict Fishing Gears through the Tank Experiments" in Journal of Fishries and Marine Sciences Education, Vol. 28, No. 5, pp. 1258-1265, Oct. 2016. (DOI : https://doi.org/10.13000/JFMSE.2016.28.5.1258)

원문보기 상세보기
S. D. Kim and W. S. Kang, "Distribution Characteristics and Cost Estimation of Collection and Treatment of Deposited Marine Debris in Coastal Fisheries around the Southwestern Islands of Korea" in Journal of the Korea Society for Marine Environment & Energy, pp. 330-336, Nov. 2012. (DOI : https://doi.org/10.7846/JKOSMEE.2012.15.4.330)

원문보기 상세보기
Y. J. Park, Y. R. Yeom and E. S. Choi, "The untold story surroundubg the sea pollution source, 'Waste phrase." Internet : http://www.ohmynews.com/NWS_Web/View/at_pg.aspx?CNTN_CDA0002794810, Dec.15,2021[Jan.6,2022]
S. Ren, K. He, R. Girshick and J. Sun, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks", in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 39, No. 6, pp. 1137-1149, June. 2017. (DOI : https://doi.org/10.48550/arXiv.1506.01497)

상세보기
J. Redmon, S. Divvala, R. Girshick and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection", in 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 779-788, June. 2016. (DOI : https://doi.org/10.48550/arXiv.1506.02640)
Y. H. Lee and Y. S. Kim, "Comparison of CNN and YOLO for Object Detection", in Journal of the Semiconductor & Display Technology, Vol. 19, No. 1, pp. 85-92, March. 2020.
Sanchez Hernandez, Sergio & Romero, H & Morales, A. (2020). A review: Comparison of performance metrics of pretrained models for object detection using the TensorFlow framework. IOP Conference Series: Materials Science and Engineering. 844. 012024. (DOI : 10.1088/1757-899X/844/1/012024)

상세보기
M. Tan, R. Pang, and Q. V. Le. "Efficientdet: Scalable and efficient object detection." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 10781-10790 Jul. 2020. (DOI : 10.1109/CVPR42600.2020.01079)
Ultralytics, "yolov5." Internet: https://github.com/ultralytics/yolov5, Jan.26,2020 [Oct.27,2021]
NaeJoung Kwak and DongJu Kim, "A study on Detecting the Safety helmet wearing using YOLOv5-S model and transfer learning", International Journal of Advanced Culture Technology(IJACT), Vol. 10, No. 1, pp. 302-309, (2022) (DOI : https://doi.org/10.17703/IJACT.2022.10.1.302)

원문보기 상세보기
NaeJoung Kwak and DongJu Kim, "Study On Masked Face Detection And Recognition using transfer learning", International Journal of Advanced Culture Technology(IJACT), Vol. 10, No. 1, pp. 294-301, (2022) (DOI : https://doi.org/10.17703/IJACT.2022.10.1.294)

원문보기 상세보기
Gan Liu and Sang-Hyun Lee, "Municipal waste classification system design based on Faster-RCNN and YoloV4 mixed model", International Journal of Advanced Culture Technology(IJACT), Vol. 9, No. 3, pp. 305-314, (2021) (DOI : https://doi.org/10.17703/IJACT.2021.9.3.305)

원문보기 상세보기
A backup space for my memory, "Regarding the view," Internet: https://nangchobi.tistory.com/474, June. 21, 2021 [Dec.2,2021]
T. S. Wang, S. Y. Oh, H. S. Lee, J. W. Jang and M. Y. Kim, "A Study on the A.I Detection Model of Marine Deposition Waste Using YOLOv5" in Proceeding of the Korea Artificial-Intelligence Convergence Technology Society Vol. 1, No. 1, Pusan:PS, pp. 55, Aug. 2021.
Korea Policy briefing Portal, "Measures to prevent damage to abandoned fishing areas, such as the Korea Coast Guard and ghost fisheries, etc" Internet : https://www.korea.kr/news/pressReleaseView.do?newsId156446503, [April,14,2021]
AI hub, "The image of ocean sediment waste" Internet : https://aihub.or.kr/aidata/30754, Jun.18, 2020[Oct.27,2021]
J. H. Lee, Y. H. Kang and D. J. Moon "AI Data Construction for Submerged Marine Debris to Advance Marine Debris Management" in Journal of the Korea Society for Marine Environment & Energy, pp. 4-5, Oct. 2021
Haneda Osamu. (2007). Knot method. Korea: Jinsun Books.

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.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format