• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1302-1304
• /
• 2021

본 프로젝트는 시각장애인의 도심이동 지원 및 횡단보도에서의 안전한 보행을 위해 고안되었다. 시각장애인용 글래스를 제작하여 Custom train 한 YOLOv5 와 Lidar 센서를 통해 횡단보도 내에 객체를 감지하면 위험 음성을 송출하고 안전하게 길을 건널 수 있도록 청각적으로 지도하였다. 또한 보호자용 앱을 구현하여 보호자의 불안감을 해소하고 안정감을 주고자 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.758-760
• /
• 2022

본 연구는 머신러닝의 한 종류인 YOLOv5를 이용하여 기존 육안 선별작업을 자동화 하는 기계를 설계하는 것이다. 본 연구에서는 영상촬영과 선별작업을 진행하는 컨베이어 기구와 선별 프로그램을 제작하고, 모든 표면을 검사해 사과의 품질을 3단계로 구별하는 작업을 진행하였다. 결과적으로 투입된 사과의 품질을 성공적으로 분류 하였다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.871-876
• /
• 2022

In the construction industry, fatal accidents related to scaffolds frequently occur. To prevent such accidents, scaffolds should be carefully monitored for their safety status. However, manual observation of scaffolds is time-consuming and labor-intensive. This paper proposes a method that automatically analyzes the installation status of scaffold joints based on images acquired from a Unmanned Aerial Vehicle (UAV). Using a deep learning-based object detection algorithm (YOLOv5), scaffold joints and joint components are detected. Based on the detection result, a two-stage rule-based classifier is used to analyze the joint installation status. Experimental results show that joints can be classified as safe or unsafe with 98.2 % and 85.7 % F1-scores, respectively. These results indicate that the proposed method can effectively analyze the joint installation status in UAV-acquired scaffold images.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.77-79
• /
• 2022

형태가 가변적인 영상을 감지하기 위해서는 많은 양의 관련 영상이 필요하다. 따라서 본 논문에서는 형태가 가변적인 영상 중 화재 영상을 GAN 알고리즘을 통해 증식시키고 이 영상을 이용해 AI 학습을 수행할 때의 검출률을 비교하여 GAN 알고리즘을 사용하여 증식된 이미지가 학습 데이터에 적합한지 분석하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.242-243
• /
• 2022

코로나 팬데믹으로 세계가 큰 피해를 보고 있다. 기존 얼굴인식 보안시스템이 마스크 사용자 인식이 어려워 마스크 사용자를 인식할 수 있는 방안이 필요하다. 얼굴인식을 위한 영상처리 기술이 딥러닝에 의해 크게 발전하고 있으며, 여전히 전처리 기술 또한 중요하다. 본 논문에서는 영상처리 기술의 선명도 평가 함수와 YOLOv5를 사용해 학습 재학습 이후 변화하는 성능을 확인하였고, 비마스크 사용 시 분류정확도가 1%, 학습 손실률에서 0.2% 정도의 성능 개선을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.1318-1321
• /
• 2022

본 논문에서는 단일 깊이 센서를 사용하는 자율주행 시나리오에서 거리 계산에 주로 이용되는 깊이 데이터만 이용하는 객체 감지 기술을 제안한다. 우선, 해당 시나리오에서 객체 감지 학습 데이터는 깊이 데이터가 사용되지만 상대적으로 객체 감지 성능을 비교하기 위해 동일한 시간의 색상, 깊이 데이터를 함께 획득하여 학습에 이용한다. 학습모델은 객체 감지 분야에서 최근 주목 받고 있는 YOLOv5로 선정하여 색상, 깊이 데이터의 객체 감지 학습의 결과를 각각 확인하였다. 결과적으로 색상과 깊이 데이터 사이에서 객체 감지 학습 결과의 차이를 확인하며 본 논문에서 제안하는 자율주행 시나리오에 깊이 영상만 이용하는 객체 감지 기술의 문제점과 향후 자율주행 기술 발전에 기여 가능성을 확인할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.800-802
• /
• 2022

최근 성인들을 위한 '키덜트 장난감'의 관심도가 증가하고 있다. 그중 높은 매출을 보이는 RC 카와 VR 의 콘텐츠 부족 및 대중화 문제를 해결하면 시장규모를 성장시킬 수 있다고 판단한다. 본 논문은 차별화된 RC 카 레이싱 게임 개발을 목표로 한다. 스마트폰용 VR 기기를 착용해 영상을 보며 컨트롤러로 RC 카를 조종한다. 또한 실시간 객체 검출이 가능한 YOLOv5 를 활용해 표지판 인식 및 바운딩 박스, 표지판 라벨, 라벨 음성 출력 기능과 오픈 소스 기반 실시간 컴퓨터 비전인 OpenCV 기반 알고리즘을 활용하여 차선을 인식해 이를 기반으로 영상 처리를 거쳐 가상 차선 및 가상 트랙을 출력한다. 결론적으로 RC 카와 VR 로 구현하여 이를 통해 부족한 VR 컨텐츠를 추가하고 접근성을 강화한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.925-927
• /
• 2022

본 논문에서는 자율주행을 통해 보도를 청소하는 동안 분실물을 인지할 수 있는 로봇 시스템을 개발하였다. 분실물의 종류는 딥러닝 모델에 의해 지정되고 학습되며 로봇은 이를 인식하여 저장한다. 보도 경계 및 장애물을 감지하기 위해 Image-Segmentation 기술을 사용하였으며, 물체 감지에 사용되는 depth 카메라(d435)를 사용하였다. 학습하기 위한 딥러닝 모델로 YOLOv5 를 사용하였으며, 그 결과 정해진 사물을 인식하는 데 평균 84%의 정확도를 보였다. 이 시스템을 로봇에 적용할 경우 예상되는 효과로는 정확한 보도 인식으로 로봇이 경로를 이탈하지 않도록 하는 것, 유실물품의 신속하고 안전한 인계 등이 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.667-669
• /
• 2023

데이터의 균형은 객체 인식 분야에서 영향을 미치는 요인 중 하나이다. 본 논문에서는 폐기물 데이터 균형을 위해 Chat-GPT와 Diffusion model 기반 데이터 생성 모델을 제안한다. Chat-GPT를 사용하여 폐기물의 속성에 해당하는 단어를 생성하도록 질문하고, 생성된 단어는 인코더를 통해 벡터화시킨다. 이 중 폐기물과 관련 없는 단어를 삭제 후, 남은 단어들을 결합하는 전처리 과정을 거친다. 결합한 벡터는 디코더를 통해 텍스트 데이터로 변환 후, Stable Diffusion model에 입력되어 텍스트와 상응하는 폐기물 데이터를 생성한다. 이 데이터는 AI Hub의 공공 데이터를 활용하며, 객체 인식 모델인 YOLOv5로 학습해 F1-score와 mAP로 평가한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.51-54
• /
• 2023

최근 딥러닝 기술의 발달로 물체 탐지를 위한 객체 인식 분야가 기계학습을 접목한 연구가 급격히 증가하고 있다. 하지만, 탐지하려는 물체가 다른 객체에 가려진 경우와 같이 특수한 상황에 대한 데이터의 수량이 부족하여 성능 저하를 야기한다는 점과, 객체 탐지 수행 과정에서 작은 객체의 탐지가 어렵다는 한계점이 있다. 본 연구는 전술한 문제점을 보완할 방법을 제안한다. 데이터 증강 기법을 이용하여 클래스가 부족한 데이터의 양을 늘려 학습 데이터를 증강시켰다. 한편, SRGAN을 사용하여 작은 객체를 확대시킨 뒤 이미지를 합성시켜 데이터를 구성하였다. 제안된 방법은 PyTorch 환경에서 YOLOv5를 수행한 결과, 객체 탐지 성능이 향상되는 것을 확인할 수 있었다.