한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

SAT-MTB dataset을 활용한 소형 객체 탐지 OBB 모델 성능 분석

Performance Analysis of OBB Models for Small Object Detection Using the SAT-MTB Dataset

  • 김경서 (단국대학교 전자전기공학부) ;
  • 우수연 (경북대학교 전자공학부 ) ;
  • 정아람 (경북대학교 전자공학부 ) ;
  • 최지우 (이화여자대학교 휴먼기계바이오공학부) ;
  • 한수정 (한동대학교 ICT 창업학부 )
  • Gyeong-Seo Kim (Dept. of Electronic and Electrical Engineering, Dankook University) ;
  • SooYeon Woo (Dept. of Electronics Engineering, Kyungpook National University) ;
  • A-Ram Jung (Dept. of Electronics Engineering, Kyungpook National University) ;
  • Jiwoo Choi (Dept. of Mechanical and Biomedical Engineering, Ewha womans University) ;
  • Sujung Han (AI Convergence Entrepreneurship, Handong Global University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구의 목적은 Oriented Bounding Box(OBB)를 활용하여 위성 영상에서의 소형 객체 탐지 및 추적 성능을 향상시키고자 한다. 기존 연구에서는 Horizontal Bounding Box(HBB)를 주로 사용하였으며 이는 객체에 대해 부정확한 마진을 많이 남기는 한계가 있었다. 이러한 방식은 객체 탐지에서 낮은 정확도 결과로 이어진다. 본 연구는 SAT-MTB dataset의 Oriented Bounding Box(OBB)를 활용하여 객체의 회전 및 기울기를 정확하게 반영하였다. 본 연구에서 OBB를 반영한 YOLOv8, YOLOv10, LSKNet을 비교한 결과 가장 좋은 성능을 보인 모델은 YOLOv10이었고, Airplane class에서 좋은 성능을 보였다. 이처럼 각 모델의 탐지 정확도를 분석함으로써, 소형 객체 탐지 및 추적 성능 향상에 기여하고자 한다.

키워드

과제정보

본 논문은 과학기술정보통신부 대학디지털교육역량강화사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물 입니다.

참고문헌

  1. S. Li et al., "A Multitask Benchmark Dataset for Satellite Video: Object Detection, Tracking, and Segmentation," IEEE Trans. Geosci. Remote Sens., vol. 61, pp. 1-21, 2023.
  2. Ultralytics, "Ultralytics," GitHub repository, https://github.com/ultralytics/ultralytics, 2024.
  3. Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han, and Guiguang Ding. Yolov10: Real-time end-to-end object detection. arXiv preprint arXiv:2405.14458, 2024.
  4. Yuxuan Li, iang Li, Yimian Dai, "LSKNet: Large Selective Kernel Network for Remote Sensing Object Detection," ICCV, Paris, 2023, pp. 1284-1293.
  5. Yifu Zhang, Peize Sun, Yi Jiang, Tao Kong, Weiwei Feng, Wenyu Liu, "ByteTrack: Multi-Object Tracking by Associating Every Detection Box," ICCV, Montreal, 2021, pp. 154-164