[논문]Bounding Box CutMix와 표준화 거리 기반의 IoU를 통한 재활용품 탐지

이해진; 정희철

doi:10.14372/iemek.2022.17.5.289

Bounding Box CutMix와 표준화 거리 기반의 IoU를 통한 재활용품 탐지
Recyclable Objects Detection via Bounding Box CutMix and Standardized Distance-based IoU 원문보기

대한임베디드공학회논문지 = IEMEK Journal of embedded systems and applications, v.17 no.5, 2022년, pp.289 - 296

이해진 (Kyungpook National University) , 정희철 (Kyungpook National University)

Abstract ▼ AI-Helper

In this paper, we developed a deep learning-based recyclable object detection model. The model is developed based on YOLOv5 that is a one-stage detector. The deep learning model detects and classifies the recyclable object into 7 categories: paper, carton, can, glass, pet, plastic, and vinyl. We propose two methods for recyclable object detection models to solve problems during training. Bounding Box CutMix solved the no-objects training images problem of Mosaic, a data augmentation used in YOLOv5. Standardized Distance-based IoU replaced DIoU using a normalization factor that is not affected by the center point distance of the bounding boxes. The recyclable object detection model showed a final mAP performance of 0.91978 with Bounding Box CutMix and 0.91149 with Standardized Distance-based IoU.

주제어

표/그림 (14)

그림 그림 1. Mosaic 사용 시 발생하는 학습 이미지에 객체가 없는 문제 예시 Fig. 1. Example of no-object problem with train images when using Mosaic
그림 그림 2. One Image Data Augmentation 예시 Fig. 2. Example of One Image Data Augmentation
그림 그림 3. Two Images Data Augmentation 예시 Fig. 3. Example of Two Images Data Augmentation
그림 그림 4. 객체 탐지에 부적절한 데이터 증강 기법 예시 Fig. 4. Example of inappropriate data augmentation for object detection
그림 그림 5. 학습 이미지에 객체가 없는 이유 Fig. 5. Reason why there are no objects in train images
그림 그림 6. Bounding Box CutMix 수행 과정 Fig. 6. Procedure of Bounding Box CutMix
그림 그림 7. 재활용품 데이터셋의 바운딩 박스 크기 분포 Fig. 7. Size distribution of bounding boxes in Recyclable objects dataset
그림 그림 8. 중심좌표 거리와 각도에 따른 각 요소 값 Fig. 8. Each values according to the center coordinate distance and angle
그림 그림 9. DIoU의 바운딩 박스 위치 문제 예시 Fig. 9. Example of bounding box location problem on DIoU
그림 그림 10. DIoU의 바운딩 박스 스케일 문제 예시 Fig. 10. Example of bounding box scale problem on DIoU
그림 그림 11. copy-paste와 Bounding Box CutMix 예시 Fig. 11. Example of copy-paste and Bounding Box Cutmix
표 표 1. 데이터 증강 기법에 따른 mAP 비교 Table 1. mAP comparison for data augmentation methods
표 표 2. IoU 지표에 따른 mAP 비교 Table 2. mAP comparison for IoU metrics
표 표 3. IoU 지표에 따른 mAP 비교 (PASCAL VOC) Table 3. mAP comparison for IoU metrics (PACSCAL VOC)

참고문헌 (18)

P. Kim, D. B. Im, "Understanding Hybrid Governance: The Case of Waste Recycle Management," The Korean Governance Review, Vol. 27, No. 2, pp. 29-56, 2020 (in Korean).
J. Redmon, S. K. Divvala, R. B. Girshick, A. Farhadi, "You only look once: Unified, Real-time Object Detection," In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 779-788, 2016.
S. Ren, K. He, R. B. Girshick, J. Sun, "Faster R-CNN: Towards Real-time Object Detection with Region Proposal Networks," Advances in Neural Information Processing Systems, Vol. 28, 2015.
K. He, G. Gkioxari, P. Dollar, R. B. Girshick, "Mask R-CNN, " In Proceedings of the IEEE International Conference on Computer Vision, pp. 2961-2969, 2017.
Ultralytics, "YOLOv5," https://github.com/ultralytics/yolov5, 2022.
A. Bochkovskiy, C. Wang, H. M. Liao, "Yolov4: Optimal Speed and Accuracy of Object Detection," arXiv preprint, arXiv:2004.10934, 2020.
H. J. Lee, H. C. Jung, "Implementation of Recyclable Trash Object Detection Model Based on YOLOv5," In Proceedings of the Institute of Electronics and Information Engineers, pp. 1066-1069, 2021 (in Korean).
T. Devries, G. W. Taylor, "Improved Regularization of Convolutional Neural Networks with Cutout," arXiv preprint, arXiv:1708.04552, 2017.
G. Kang, X. Dong, L. Zheng, Y. Yang, "Patchshuffle Regularization, " arXiv preprint, arXiv:1707.07103, 2017.
H. Zhang, M. Cisse, Y. N. Dauphin, D. Lopez-Paz, "Mixup: Beyond Empirical risk Minimization," arXiv preprint, arXiv:1710.09412, 2017.
S. Yun, D. Han, S. J. Oh, S. Chun, J. Choe, Y. Yoo, "Cutmix: Regularization Strategy to Train Strong Classifiers with Localizable Features," In Proceedings of the IEEE/CVF International Conference on Computer Vision, pp. 6023-6032, 2019.
G. Ghiasi, Y. Cui, A. Srinivas, R. Qian, T. Lin, E. D. Cubuk, Q. V. Le, B. Zoph, "Simple Copy-paste is a Strong Data Augmentation Method for Instance Segmentation," In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 2918-2928, 2021.
N. Bodla, B. Singh, R. Chellappa, L. S. Davis, "Improving Object Detection with one line of code," arXiv preprint, arXiv:1704.04503, 2017.
H. Rezatofighi, N. Tsoi, J. Y. Gwak, A. Sadeghian, I. Reid, S. Savarese, "Generalized Intersection Over Union: A Metric and A loss for Bounding box Regression," In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 658-666, 2019.
Z. Zheng, P. Wang, W. Liu, J. Li, R. Ye, D. Ren, "Distance-iou Loss: Faster and Better Learning for Bounding box Regression," In Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 34, No. 07, pp. 12993-13000, 2020.
IITP, "2020 AI Grand Challenge," https://ai-challenge.kr, 2020.
M. Everingham, L. Gool, C. K. Williams, J. Winn, A. Zisserman, "The Pascal Visual Object Classes (voc) Challenge," International Journal of Computer Vision, Vol. 88, No. 2, pp. 303-338, 2010.

상세보기
Ultralytics, "YOLOv5 pre-trained weights of COCO dat aset," https://github.com/ultralytics/yolov5/releases/tag/v6.1, 2022.

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

연합인증