소형 객체 탐지 데이터를 활용한 원거리 도로 표지판 탐지 인공지능 모델링

노윤재; 김상진

doi:10.37272/JIECR.2025.2.25.1.147

추천

검색

질문

자료유형: 학술저널

저자정보: 노윤재 김상진 (동아대학교)

저널정보: 한국인터넷전자상거래학회 인터넷전자상거래연구 인터넷전자상거래연구 제25권 제1호

발행연도: 2025.2

수록면: 147 - 162 (16page)

DOI: 10.37272/JIECR.2025.2.25.1.147

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Object detection, a key area in computer vision, involves locating and classifying objects within images. The YOLO model, which combines candidate region selection, coordinate prediction, and class inference into a single stage, has set a standard for this field. Since its introduction, numerous models have been developed, with applications spanning both academia and industry. Advances in computer vision AI, sensor, and computing technologies have been foundational for autonomous driving and driver assistance systems. Specifically, traffic sign recognition systems using object detection algorithms enhance driving safety. Annotating data for these models is resource-intensive, so many rely on benchmark datasets like MS COCO. However, this dataset has limited images featuring small objects, leading to a gap in research on models capable of detecting significantly smaller objects. Our study addresses this by developing an object detection model for distant road signs as small objects, using a specialized dataset with 2,800 x 2,100 resolution images containing objects smaller than 200 x 200 pixels. We empirically evaluated various models, including State-of-the-art YOLO version and Transformer-based approaches, under different training conditions. The best-performing model for small object detection, balancing accuracy and inference speed, was the pretrained YOLO v6m, utilizing transfer learning with COCO2017 weights without self-distillation. This research contributes to small object detection technology, offering insights for developing new AI algorithms and benefiting both academic and industrial sectors.

#AI #Computer Vision #Small Object Detection #SOTA #Traffic Sign #YOLO

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

어텐션 메커니즘을 사용한 YOLOv8 다중 객체 인식 환경 속 횡단보도 인식 성능 향상 연구

최윤석 , 이제경 , 차경애 멀티미디어학회논문지 2024 .12

국방 분야 인공지능 기술의 적용 사례 연구

차용준 , 조한얼 , 이상철 외 5명 한국통신학회 인공지능 학술대회 논문집 2024 .09

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092320341

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)