• Annual Conference of KIPS
• /
• 2022.11a
• /
• 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.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.542-543
• /
• 2023

최근 일회용품의 사용 증가 및 재질과 종류가 다양해짐에 따라, 올바른 분리배출 방법 공유 필요성이 대두되고 있다. 본 논문에서는 실시간 물체 인식 알고리즘인 YOLOv7 (You Only Look Once)를 이용하여 재활용 마크를 자동으로 분류하고 그에 따른 올바른 분리배출을 알려주는 시스템을 구현했다. 그 결과, mAP값이 90%로 좋은 객체 검출률을 보였다. 또한, 카카오톡 챗봇 API를 이용하여 올바른 분리배출 방법을 공유하는 서비스를 제공하며 사용자 접근성을 높여 많은 사람이 쉽게 사용할 수 있도록 구현했다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• 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.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.592-594
• /
• 2023

차량 탐지와 차량 추적 기술은 교통관리 시스템, 자율주행 자동차 시스템 및 이를 응용한 보안 감시 시스템, 군사 작전 및 안전 등 다양한 산업 분야에서 활용되고 있다. 본 논문에서는 차량 탐지는 YOLOv7 모델을, 차량 추적은 DeepSORT 알고리즘을 사용하여 도로의 차량들에 대해 탐지 및 추적을 순차적으로 진행하였다. 실험환경은 차량 탐지 데이터 셋(dataset)을 직접 라벨링(labeling) 하여 실험하였고, 차량 추적은 차량 탐지에서 학습해서 얻은 체크포인트(checkpoint) 모델을 가중치로 설정하여 실험을 진행하였다. 차량 탐지 실험결과는 validation 과 test 에서 높은 정확도를 확인할 수 있었고, 차량 추적은 Namsa 비디오 및 Seohaegyo 비디오에서도 차량 추적이 잘 되고 있음을 확인할 수 있었다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.289-290
• /
• 2023

턴버클(turn buckle)은 컨테이너선의 컨테이너 유실을 방지하기 위한 고박 장치이다. 컨테이너선의 항해 중 발생하는 진동을 비롯한 황천과 같은 상황 등은 고박된 턴버클의 회전과 턴버클 jaw bolt의 유실을 유발시킨다. 이러한 상황이 지속적으로 누적되어 턴버클에 영향을 미치는 경우 제대로 컨테이너를 고박하지 못해 붕괴로 이어질 수 있다. 이를 방지하기 위해 턴버클의 회전 검출과 jaw bolt의 유실 여부를 yolov5를 통해 학습하여 턴버클이 회전하는 경우와 jaw bolt의 유실 여부를 실시간으로 인지한다. 이를 통해 24시간 무인으로 턴버클을 감시하는 영역이 생김으로서 선원들의 고박 감시구역이 줄어드므로 선원들에게 주어진 과도한 업무를 줄여주는데 의의를 가진다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.536-539
• /
• 2023

딥러닝 기술은 더 많은 분야와 과제에 적용되기 위해서 네트워크는 더 복잡하고 거대한 형태로 발전해왔다. YOLOv7-tiny과 같은 객체탐지 네트워크는 다양한 객체와 환경에서 활용하기 위해 COCO 데이터 세트를 대상으로 발전해왔다. 그러나 본 논문에서 적용할 모델은 임베디드 보드 환경에서 실시간으로 1개의 Class를 대상으로 객체를 탐지하는 네트워크 모델이 찾고자 프루닝을 적용하였다. 모델의 프루닝을 할 필터를 찾기 위해 본 논문에서는 클러스터링을 통한 필터 프루닝 방법을 제안한다. 본 논문의 제안 방법을 적용했을 때 기준 모델보다 정확도가 7.6% 감소하였으나, 파라미터가 1% 미만으로 남고, 속도는 2.1배 증가함을 확인하였다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.561-562
• /
• 2023

본 논문에서는 YOLOv5m과 이미지 전처리 기법을 활용한 문 객체 감지 시스템을 제안한다. 이미지 전처리를 하지 않은 Original 이미지 그리고 이미지 전처리를 한 CLAHE 이미지, Bilateral 이미지 세 가지를 사용해서 가장 좋은 기법을 비교한다. mAP 진행 그래프 및 이미지 출력을 통해 결과를 검증한다. 본 논문의 목표는 인공지능이 문을 감지하는 알고리즘을 구현하여 배송 로봇이 목적지의 문을 찾아내는 것이다

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.848-849
• /
• 2023

본 논문은 로봇의 실내 환경에서의 자율성을 높이기 위한 SLAM과 내비게이션 방법을 제시한다. 2D LiDAR와 카메라를 이용하여 위치를 인식하고 사람과 장애물을 의미론적으로 검출하며, ICP와 RTAB-map, YOLOv3를 통합하여 Semantic Map을 생성하고 실내 환경에서 자율성을 유지한다. 이 연구를 통해 로봇이 복잡한 환경에서도 높은 수준의 자율성을 유지할 수 있는지 확인하고자 한다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.1035-1036
• /
• 2023

본 논문은 저시력자를 위한 체외진단 의료기기 결과 판독 시스템을 제안한다. 이 시스템은 YOLOv8n 객체 탐지 모델을 기반으로 하며, 라즈베리파이4B+에서 홈 디바이스 형태로 구현하였다. 사용자는 음성 및 물리 버튼을 통해 명령을 입력하고, 동작 감지를 통해 자동으로 체외진단 의료기기를 촬영하여 학습된 모델로 결과를 판독하고 해당 결과를 사용자에게 출력한다. 또한, 판독 결과물과 함께 검사 일시 및 의료기기 종류를 데이터베이스에 저장하여 사용자에게 보다 높은 편의성을 제공한다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.1206-1207
• /
• 2023

보행의 제한은 시각장애인의 자립적인 생활을 어렵게 하며 안전에도 큰 영향을 끼친다. 본 논문은 YOLOv5(You Only Look Once version 5)를 활용하여 안전한 보행을 돕는 방법을 제시한다. 제시하는 방법은 자동차나 자전거, 전동킥보드 등의 움직이는 사물과 사람을 실시간으로 인식하여 시각장애인에게 알림으로써 보행에 도움을 줄 수 있으며 시각장애인의 안전한 보행에 도움을 줄 것이라 기대한다.