메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김해문 (Hanwha Systems) 안종식 (Hanwha Systems) 이태영 (Hanwha Systems) 최병인 (Hanwha Systems)
저널정보
한국항공우주학회 한국항공우주학회지 한국항공우주학회지 제51권 제8호
발행연도
2023.8
수록면
553 - 562 (10page)
DOI
10.5139/JKSAS.2023.51.8.553

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
다양한 비행 고도와 도심 환경에서 촬영된 항공 영상은 다양의 크기의 객체와 밀집된 다수의 소형 객체를 포함한다. 즉 항공 영상은 객체 크기의 다양성, 객체 간 중첩성, 객체와 배경 간 유사성, 배경 복잡성을 가진다. 따라서 YOLO (You Only Look Once) 계열 신경망과 같은 일반 객체 검출기는 항공 영상 특성 고려할 때, 관심 객체 미탐지율이 높다. 특히 복잡한 배경의 항공 영상 내 높은 객체 분포도를 해결하고자 제안된 얇은 특징 추출 신경망은 소형 객체 검출정확도는 높으나, 대형 객체 검출정확도 성능은 좋지 못하다. 따라서 본 논문에서는 초해상도 복원 신경망과 유사한 구조의 YOLOv5U 신경망과 공간 정보 왜곡을 최소화하는 Skip Connection을 제안하여, 모든 객체 크기의 탐지율 향상을 통해 전체 객체 검출정확도를 향상하였다. 또한 영역 분할 손실 함수를 객체 검출기 신경망 학습과 결합하여 비교 실험을 통해 성능을 평가하였다. 실험결과, 제안하는 YOLOv5U 신경망은 소형 객체 검출기 YOLO5-TA 신경망 대비 FPS (Frame Per Second) 성능과 대형 객체 (Large, 96x96 화소 이상)의 mAP (mean Average Precision) 성능이 40%, 143% 증가하였다. 또한 Visdrone-DET2021 Challenge에서 우수한 mAP 성능을 달성한 TPH-YOLOv5 신경망 대비 mAP<SUB>0.5</SUB> 성능이 7.4% 향상하였다.

목차

ABSTRACT
초록
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험 결과
Ⅳ. 결론
References

참고문헌 (16)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-558-001941010