한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

YOLO 기반 해양 침적 쓰레기 검출 방법에 관한 연구

A Study on the YOLO-based Marine Debris Detection

  • 최영수 (목포대학교 융합소프트웨어학과) ;
  • 김도연 (배재대학교 소프트웨어공학부 게임공학전공)
  • Yeong-Su Choi (Dept. of Software Convergence Engineering, Mok-Po University) ;
  • Do-Yeon Kim (Dep. of Software Game Engineering, Pai-Chai University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 수중 촬영 이미지를 활용하여 해양 침적 쓰레기의 자동 인식 및 분류를 위한 딥러닝 기반 객체 탐지 분석을 수행하였다. 타이어, 로프, 나무, 통발류, 어망류 등 9 종의 침적 쓰레기에 대해 YOLOv5(You Only Look Once version 5) 모델을 적용하여 학습 및 추론을 진행하였다. 총 111,890 장의 수중 촬영 이미지를 활용하였으며, 해당 데이터는 해양 환경에서 YOLO v5 의 YOLOv5x, YOLOv5l, YOLOv5m, YOLOv5s, YOLOv5n 모델로 실험하였다. 성능 평가를 위해 mAP(mean Average Precision) 지표를 사용하였으며, 실험 결과 YOLOv5x 모델이 가장 높은 성능을 보여주었고 YOLOv5l, YOLOv5m, YOLOv5s, YOLOv5n 순서 로 높은 성능을 보여주었다. 본 연구는 딥러닝 모델을 활용한 해양 쓰레기 자동 검출 및 분류의 가능성을 입증하며, 해양 환경 보호를 위한 모니터링 및 정책 수립에 유용한 도구로 기여할 수 있을 것이다.

키워드

과제정보

본 논문은 해양수산부 실무형 해상물류 일자리 지원사업(스마트해상물류 x ICT 멘토링)을 통해 수행한 ICT 멘토링 프로젝트 결과물입니다.

참고문헌

  1. Jocher, G., "YOLOv5 by Ultralytics," GitHub, 2020. [Online]. Available: https://github.com/ultralytics/yolov5.
  2. Wang, C.-Y., et al., "CSPNet: A New Backbone that can Enhance Learning Capability of CNN," CVPRW, 2020.
  3. Lin, T.-Y., et al., "Feature Pyramid Networks for Object Detection," CVPR, 2017.
  4. Liu, S., et al., "Path Aggregation Network for Instance Segmentation," CVPR, 2018.