지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 89 - 96 (8page)
이용수
초록· 키워드
오류제보하기
이 논문은 딥러닝 기반 객체 탐지 알고리즘인 YOLOv10을 활용하여 개선된 잡초 탐지 모델을 설계한다. 기존 YOLOv10에서는 Attention 모듈인 PSA 모듈을 추가하여 이전 버전들보다 성능을 개선하였다. PSA는 Self-Attention의 강력한 성능을 일부만 적용하여 연산량을 줄이고, 전역적 정보를 학습할 수 있어 큰 영역의 객체가 복잡한 패턴 인식에 강하다. 하지만 대체로 작은 크기의 객
체인 잡초 같은 특정 문제에서는 비효율적일 수 있다. 따라서, 이 논문은 PSA 모듈 대신 다른 Attention 모듈인 SENet을 적용하여 개선된 YOLOv10을 제안한다. SENet은 채널 간 중요도를 학습
하기 때문에 PSA 모듈보다 더 세밀하게 잡초의 특징을 학습할 수 있다. 또한, SENet은 PSA 모듈 보다 더 가벼워 더 적은 연산을 수행하고, 더 빠른 속도로 탐지가 가능하여 잡초 탐지에 적합한 SENet으로 대체하여 실험을 진행했다. 실험은 총 14가지의 클래스로 200회 훈련을 수행했고, 다양한 성능평가를 통해 성능을 비교하였다. 실험 결과에 따르면, FPS는 476.19에서 526.32로 처리속도가 약 9.52%정도 향상되었다. mAP50-95값은 88.7%에서 88.3%로, 제안된 모델이 기존 모델보다 더 경량화된 모델임에도 불구하고 유사한 성능을 보인다.
체인 잡초 같은 특정 문제에서는 비효율적일 수 있다. 따라서, 이 논문은 PSA 모듈 대신 다른 Attention 모듈인 SENet을 적용하여 개선된 YOLOv10을 제안한다. SENet은 채널 간 중요도를 학습
하기 때문에 PSA 모듈보다 더 세밀하게 잡초의 특징을 학습할 수 있다. 또한, SENet은 PSA 모듈 보다 더 가벼워 더 적은 연산을 수행하고, 더 빠른 속도로 탐지가 가능하여 잡초 탐지에 적합한 SENet으로 대체하여 실험을 진행했다. 실험은 총 14가지의 클래스로 200회 훈련을 수행했고, 다양한 성능평가를 통해 성능을 비교하였다. 실험 결과에 따르면, FPS는 476.19에서 526.32로 처리속도가 약 9.52%정도 향상되었다. mAP50-95값은 88.7%에서 88.3%로, 제안된 모델이 기존 모델보다 더 경량화된 모델임에도 불구하고 유사한 성능을 보인다.
목차
Abstract
요약
Ⅰ. Introduction
Ⅱ. Preliminaries
Ⅲ. Proposed Model Design
Ⅳ. Performance evaluation
Ⅴ. Conclusions
REFERENCES
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
YOLO기반 OCR(광학 문자 인식) 탐지기
손솔비
,
김승철
,
권현재
외 4명
한국컴퓨터정보학회 학술발표논문집
2024
.07
YOLOv10 기반 PDDL 플래너 상태 업데이트 및 실시간 로봇 행동 계획법
김병주
,
최수형
,
신기성
외 3명
한국정보과학회 학술발표논문집
2024
.12
제한된 계산 자원 하에서 실시간 계란 결함 검출을 위한 RT-DETR과 YOLOv8의 비교 분석
강남일
,
차예찬
,
김보영
외 1명
한국컴퓨터정보학회논문지
2024
.12
자율주행 환경에서 노이즈가 YOLO 기반의 객체 탐지에 미치는 영향에 관한 연구
김라영
,
차현종
,
강아름
한국컴퓨터정보학회논문지
2024
.10
스마트팜과 공공문화공간이 결합한 복합스마트팜 프로토타입 제안
김동일
,
김희정
대한건축학회논문집
2024
.07
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-091092384