[학술논문] 객체 탐지모델을 이용한 쓰레기 풍선 식별 방법

...인해 환경 오염과 국민 불안이 가중되고 있다. 본 연구는 YOLOv5와 Faster R-CNN을 활용하여 북한 쓰레기 풍선을 탐지하고 식별하기 위한 최적의 객체 탐지 모델을 제안한다. 본 연구는 4개의 클래스(일반 풍선, 기상 관측 풍선, 열기구, 쓰레기 풍선)를 대상으로 데이터 증강을 통해 총 2,000장의 데이터 셋을 구성하였다. 실험 결과, YOLOv5는 mAP 80%로 빠르고 높은 정확도를 보였으며, Faster R-CNN은 mAP(mean Average Precision) 62.62%로 복잡한 이미지 분석에서 강점을 나타냈다. 또한, Transformer 기반 객체 탐지 모델인 DETR(Detection Transformer)와 비교하여 YOLOv5의 성능을 검증하였다. YOLOv5가 다른 모델보다...

[학술논문] YOLO 알고리즘을 이용한 전차 국적 식별 및 평가

인공지능 딥러닝 기술이 적용된 무기체계가 지속적으로 개발된다. 기존의 전차 피아식별 시스템은 사람의 눈으로 표적을 획득하고 공격 여부를 판단한다. 따라서 신속성과 정확성 측면에서 한계가 존재한다. 본 연구에서는 이러한 제한사항을 개선하기 위해 YOLO(You Only Look Once) 알고리즘 기반의 전차 국적 식별 방법을 제안한다. 먼저, 한국, 미국, 일본, 북한의 4개국의 주력 전차 사진을 수집한다. 특히, 실제 기갑 전투의 상황과 유사하도록 노이즈를 추가하고 이미지 전처리 작업을 한다. 이후 데이터셋은 학습 데이터의 적절한 규모를 확인하기 위해 8개의 그룹으로 구성한다. 마지막으로 평가 척도인 mAP와 IoU를 기반으로 적절한 데이터 규모를 분석한다.