한국컴퓨터정보학회:학술대회논문집 (Proceedings of the Korean Society of Computer Information Conference)

한국컴퓨터정보학회 (Korean Society of Computer Information)
권호 표지

CutMix 알고리즘 기반의 일반화된 밀 머리 검출 모델

Generalized wheat head Detection Model Based on CutMix Algorithm

  • 여주원 (서강대학교 대학원 컴퓨터공학과) ;
  • 박원준 (한양대학교 대학원 인공지능학과)
  • Juwon Yeo (Dept. of Computer Science and Engineering, Graduate School, Sogang University) ;
  • Wonjun Park (Dept. of Artificial Intelligence, Graduate School, Hanyang University)
  • 발행 : 2024.01.17
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 밀 수확량을 증가시키기 위한 일반화된 검출 모델을 제안한다. 일반화 성능을 높이기 위해 CutMix 알고리즘으로 데이터를 증식시켰고, 라벨링 되지 않은 데이터를 최대한 활용하기 위해 Fast R-CNN 기반 Pseudo labeling을 사용하였다. 학습의 정확성과 효율성을 높이기 위해 사전에 훈련된 EfficientDet 모델로 학습하였으며, OOF를 이용하여 검증하였다. 최신 객체 검출 모델과 IoU(Intersection over Union)를 이용한 성능 평가 결과, 제안된 모델이 가장 높은 성능을 보이는 것을 확인하였다.

키워드

참고문헌

  1. B. Schauberger, T. Ben-Ari, D. Makowski, T. Kato, H. Kato, & P. Ciais. "Yield Trends, Variability and Stagnation Analysis of Major Crops in France Over More Than a Century." Scientific Reports, 8(1), pp. 1-12, 2018.
  2. S. Madec, X. Jin, H. Lu, B. De Solan, S. Liu, F. Duyme et al. "Ear Density Estimation From High Resolution RGB Imagery Using Deep Learning Technique." Agricultural and Forest Meteorology, 264, pp. 225-234, 2019.
  3. J.R. Ubbens, & I. Stavness. "Deep Plant Phenomics: A Deep Learning Platform for Complex Plant Phenotyping Tasks." Frontiers in Plant Science, 8, pp. 1190, 2017.
  4. A.K. Singh, B. Ganapathysubramanian, S. Sarkar, & A. Singh. "Deep Learning for Plant Stress Phenotyping: Trends and Future Perspectives." Trends in Plant Science, 23(10), pp. 883-898, 2018.
  5. M.P. Pound, J.A. Atkinson, D.M. Wells, T.P. Pridmore, & A.P. French. "Deep Learning for Multi-Task Plant Phenotyping." In Proceedings of the IEEE International Conference on Computer Vision Workshops, pp. 2055-2063, 2017.
  6. H. Rezatofighi, N. Tsoi, J. Gwak, A. Sadeghian, I. Reid, & S. Savarese. "Generalized Intersection Over Union: A Metric and a Loss for Bounding Box Regression." In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 658-666, 2019