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
최혁주 (Namseoul University) 윤준희 (KICT(Korea Institute of Civil Engineering and Building Technology)) 유수홍 (Namseoul University)
저널정보
한국측량학회 한국측량학회지 한국측량학회지 제42권 제6호
발행연도
2024.12
수록면
713 - 720 (8page)
DOI
10.7848/ksgpc.2024.42.6.713

이용수

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

초록· 키워드

오류제보하기
객체 탐지는 자율주행, 안전관리, 도시관리, 스마트 팩토리, 환경보호 등 사회의 다양한 분야 활발하게 사용되고 있다. 한편, 다양한 버전의 YOLO가 발표됨에 따라 학습데이터에 적합한 모델 및 하이퍼 파라미터 선정에 관한 연구가 필요하다. 이에, 본 연구에서는 VisDrone-DET 학습데이터를 사용하여 다양한 버전의 YOLO(v5, v6, v8, v10 및 v11)의 성능을 학습 실험을 통해 확인하였다. 또한, 하이퍼 파라미터 중 가중치 크기, 입력 이미지 해상도, 최적화 기능 및 학습률의 변경을 통해 정확도의 변화도 분석하였다. 실험 결과, YOLO v8 XLarge 모델에 대해 Adam 최적화 함수, 학습률 0.001, 입력 사진 크기 1920픽셀을 사용하였을 때, mAP@50 기준 0.669로 정확도가 가장 높은 것으로 나타났다. 특히, 시각화를 통해 YOLO v8이 작은 물체 감지에도 뛰어남을 확인하였다. 본 실험을 통해 학습데이터에 따라 학습 실험을 통해 적합한 YOLO 모델을 찾는 것이 중요함을 확인하였으며, 추후 다양한 학습데이터를 통해 다양한 객체에 대해 누적된 결과를 얻을 수 있다면, 객체 특징을 고려한 YOLO 버전 및 하이퍼 파라미터를 제안할 수 있는 솔루션 개발도 가능할 것으로 기대된다.

목차

Abstract
초록
1. 서론
2. YOLO 객체 탐지 모델 및 학습데이터
3. 실험 결과 및 분석
4. 결론
References

참고문헌 (16)

참고문헌 신청

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092197940