Acknowledgement
이 논문은 2023 년도 정부(산업통상자원부)의 재원으로 공공혁신수요기반신기술사업단의 지원을 받아 수행된 연구임 (No. G02P18960001202)
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2023.11a
- /
- Pages.1220-1223
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
The SIFT and HSV feature extraction-based waste Object similarity measurement model
SIFT 및 HSV 특징 추출 기반 폐기물 객체 유사도 측정 모델
- JunHyeok Go (Dept. of Computer Science, Hoseo University) ;
- Hyuk soon Choi (Dept. of Computer Science, Hoseo University) ;
- Jinah Kim (Dept. of AI Software Engineering, Seoul Media Institute of Technology) ;
- Nammee Moon (Dept. of Computer Science, Hoseo University)
- Published : 2023.11.02
Abstract
폐기물을 처리하는데 있어 배출과 수거에 대한 프로세스 자동화를 위해 폐기물 객체 유사도 판별이 요구된다. 이를 위해 본 연구에서는 폐기물 데이터셋에서 SIFT(Scale-Invariant Feature Transform)와 HSV(Hue, Saturation, Value)기반으로 두 이미지의 공통된 특징을 추출해 융합하고, 기계학습을 통해 이미지 객체 간의 유사도를 측정하는 모델을 제안한다. 실험을 위해 수집된 폐기물 데이터셋 81,072 장을 활용하여 이미지를 학습시키고, 전통적인 임계치 기반 유사도 측정과 본 논문에서 제시하는 유사도 측정을 비교하여 성능을 확인하였다. 임계치 기반 측정에서 SIFT 와 HSV 는 각각 0.82, 0.89(Acc)가 측정되었고, 본 논문에서 제시한 특징 추출 방법을 사용한 기계학습의 성능은 DT(Decision Tree)와 SVM(Support Vector Machine) 모두 0.93 (Acc)로 4%의 정확도가 향상되었다.
Keywords