한국정보처리학회:학술대회논문집 (Proceedings of the Korea Information Processing Society Conference)
- 한국정보처리학회 2023년도 추계학술발표대회
- /
- Pages.1102-1103
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
데이터 증강을 통한 안전모 착용 여부 확인 객체 탐지 모델 성능 향상 연구
A study on the improvement of Object Detection Model via Data Augmentation
- 조재호 (한양대학교 ERICA ICT융합학부 미디어테크놀로지전공 ) ;
- 이현준 (한양대학교 ERICA ICT융합학부 미디어테크놀로지전공 ) ;
- 전광휘 (동국대학교 AI융합학부 컴퓨터공학전공) ;
- 오민택 (한양대학교 ERICA ICT융합학부 미디어테크놀로지전공 ) ;
- 윤상범 (브리지텍)
- Jae-Ho Cho (Division of Media, Culture, and Design Technology, Hanyang University(ERICA)) ;
- Hyun-Joon Lee (Division of Media, Culture, and Design Technology, Hanyang University(ERICA)) ;
- Gwang-Hwi Jeon (Dept. of Computer Engineering at College of AI Software Convergence, Dongguk University) ;
- Min-Taek Oh (Division of Media, Culture, and Design Technology, Hanyang University(ERICA)) ;
- Sang-Bum Yoon (BridgeTec)
- 발행 : 2023.11.02
초록
안전모 착용 여부를 확인하는 객체 탐지 모델을 물류 현장에서 활용하기 위해서는 안전모를 착용한 경우와 착용하지 않은 경우를 정확하게 탐지해야 한다. 하지만 학습 데이터가 안전모를 착용한 클래스와 착용하지 않은 클래스 간 불균형이 존재하는 경우 해당 데이터만으로는 태스크에 맞게 학습이됐다고 보긴 힘들다. 본 연구는 데이터 증강 기법 적용 시 임의의 데이터에 증강을 적용하는 대신 상대적으로 적은 안전모를 착용하지 않은 클래스를 포함하는 이미지에 대하여 데이터 증강 기법을 적용하였다. 여러 데이터 증강 기법 중 Rotation, Gaussian Noise, 객체를 기준으로 한 Crop을 직접 구현 및 적용하여 객체 탐지 모델인 YOLOv5의 성능을 효과적으로 높이며 더욱 강건한 모델을 개발하는 방법을 제안한다.
키워드