• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1215-1217
• /
• 2023

가정에서 대형 폐기물을 배출하고 수거하는 과정에서 폐기물을 수동적으로 분류를 하는 것은 시간이 많이 소요되는 작업이다. 본 논문에서는 YOLOv4, 5, 7 모델을 비교하여 실생활에 사용가능한 대형 폐기물 탐지에 가장 적합한 모델을 찾는다. 이미지 증강 전 결과는 YOLOv7이 가장 좋은 성능을 보였다. 배출자가 촬영하는 각도나 위치, 시간 등의 변수를 고려하고자 증강을 시도하였고 증강 후 탐지 결과도 YOLOv7이 F1-score 93 %, mAP 96.6% 로 다른 모델보다 전체적으로 더 좋은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.709-710
• /
• 2023

최근 농가 인구의 고령화 심화로 인한 농업 인력 감소로 농업 지속 가능성이 위협받고 있다. 국내 농가의 주요 형태인 시설 재배지에서는 병해에 의한 연쇄 피해가 발생할 수 있으므로 농업 생산성 증대를 위해 병해의 조기 진단이 필요하다. 본 논문에서는 병해의 조기 진단과 대처를 위해 YOLOv5를 이용한 딸기 병해 진단 모델을 제작, 데이터셋과 학습 세부사항에 변화를 주며 실험하였다. 실험 결과 데이터셋과 epochs 증량은 모델 성능에 영향을 주지만 임계점에 다다르면 성능 향상에 도움이 되지 않는 것을 알 수 있었다. 한편 학습한 모델 중 가장 좋은 성능을 가진 모델의 경우 F1 Score 0.98, mAP 0.99를 나타내 높은 정확도로 딸기의 병해 여부 진단이 가능하였다.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_2
• /
• pp.1677-1689
• /
• 2022

Air pollution is social issue that has long-term and short-term harmful effect on the health of animals, plants, and environments. Chimneys are the primary source of air pollutants that pollute the atmosphere, so their location and type must be detected and monitored. Power plants and industrial complexes where chimneys emit air pollutants, are much less accessible and have a large site, making direct monitoring cost-inefficient and time-inefficient. As a result, research on detecting chimneys using remote sensing data has recently been conducted. In this study, YOLOv5-based chimney detection model was generated using BUAA-FFPP60 open dataset create for power plants in Hebei Province, Tianjin, and Beijing, China. To improve the detection model's performance, data split and data augmentation techniques were used, and a training strategy was developed for optimal model generation. The model's performance was confirmed using various indicators such as precision and recall, and the model's performance was finally evaluated by comparing it to existing studies using the same dataset.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2021.10a
• /
• pp.385-387
• /
• 2021

Marine deposition waste threatens the book ecosystem and causes a decrease in catch due to ghost fishing, causing damage of about 370 billion won per year. In order to collect this, a current status survey is conducted using two-way ultrasonic detectors, diving, and lifting frames. However, the scope of the investigation is small to investigate a lot of sedimentary waste, and there is a possibility of causing casualties. This paper deals with the implementation of a high-accuracy marine deposition detection AI model by learning the coastal sediment image data of AI-Hub using the YOLOv5 algorithm suitable for real-time object detection.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.10a
• /
• pp.54-57
• /
• 2022

Korea has a vulnerable environment from the risk of wildfires, which causes great damage every year. To prevent this, a lot of manpower is being used, but the effect is insufficient. If wildfires are detected and extinguished early through artificial intelligence technology, damage to property and people can be prevented. In this paper, we studied the object double detection method with the goal of minimizing the data collection and processing process that occurs in the process of creating an object detection model to minimize the damage of wildfires. In YOLOv5, the original image is primarily detected through a single model trained on a limited image, and the object detected in the original image is cropped through Crop. The possibility of improving the false positive object detection rate was confirmed through the object double detection method that re-detects the cropped image.

• Korean Journal of Remote Sensing
• /
• v.38 no.6_2
• /
• pp.1643-1652
• /
• 2022

Deposited Marine Debris(DMD) can negatively affect marine ecosystems, fishery resources, and maritime safety and is mainly detected by sonar sensors, lifting frames, and divers. Considering the limitation of cost and time, recent efforts are being made by integrating underwater images and artificial intelligence (AI). We conducted a comparative study of You Only Look Once Version 5 (YOLOv5) and You Only Look Once Version 7 (YOLOv7) models to detect DMD from underwater images for more accurate and efficient management of DMD. For the detection of the DMD objects such as glass, metal, fish traps, tires, wood, and plastic, the two models showed a performance of over 0.85 in terms of Mean Average Precision (mAP@0.5). A more objective evaluation and an improvement of the models are expected with the construction of an extensive image database.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1184-1186
• /
• 2022

횡단보도에서의 보행자 교통사고 방지를 위한 다양한 방법들이 연구되고 있다. 본 논문에서는 점멸 신호등 상황에서 보행자 교통사고를 감소시키기 위해 영상을 이용한 심층 신경망 기반 횡단보도 보행자 검출 방법을 소개한다. YOLOv5 와 Faster R-CNN 각각을 기반으로 다양한 버전의 횡단보도 보행자 검출기를 구현하고, 이번 실험에서 중점이 되는 이들의 수행 시간을 비교 평가하고 mAP@0.5 가 어느 정도인지 판단하여 가장 적합한 모델을 판단한다. 실험 결과 실시간 처리 측면에서 YOLOs 모델이 84 fps 를 달성함으로써 실시간 보행자 검출에 가장 좋은 성능을 보였다. 횡단보도의 상황은 상시 빠르게 변하므로 가장 빠른 처리 성능을 기록한 YOLOv5s 모델이 실시간 횡단보도 보행자 검출 시스템에 가장 적합한 것으로 판단된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.91-92
• /
• 2023

본 논문에서는 Yolov5와 Deepsort를 사용한 Tracking by detection을 구현하여 특정 영역을 통과하는 차량의 수를 집계하고, 각 차량의 추정속도를 계산하는 시스템을 구현한다. 실시간 객체 탐지 기능을 수행하는 Yolov5 모델의 학습에는 Kaggle의 개방 데이터인 '도요타 자동차 이미지'를 사용한다. 이미지 크기 640*640, 배치사이즈 16, Early stopping 플래그를 사용하여 학습했을때, Yolov5의 객체 탐지 성능은 정확도 98%, 정밀도 0.961, mAP 0.72을 보여주었다.

• Korean Journal of Remote Sensing
• /
• v.38 no.3
• /
• pp.237-250
• /
• 2022

In this study, we propose a method to estimate the biomass of invertebrate grazers from the videos with underwater drones by using a multi-object tracking model based on deep learning. In order to detect invertebrate grazers by classes, we used YOLOv5 (You Only Look Once version 5). For biomass estimation we used DeepSORT (Deep Simple Online and real-time tracking). The performance of each model was evaluated on a workstation with a GPU accelerator. YOLOv5 averaged 0.9 or more mean Average Precision (mAP), and we confirmed it shows about 59 fps at 4 k resolution when using YOLOv5s model and DeepSORT algorithm. Applying the proposed method in the field, there was a tendency to be overestimated by about 28%, but it was confirmed that the level of error was low compared to the biomass estimation using object detection model only. A follow-up study is needed to improve the accuracy for the cases where frame images go out of focus continuously or underwater drones turn rapidly. However,should these issues be improved, it can be utilized in the production of decision support data in the field of invertebrate grazers control and monitoring in the future.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.93-94
• /
• 2022

최근 고령화 사회가 심각한 사회적 문제로 급부상하고 있으며, 이에 병원을 찾아 입원하는 비중이 이전에 비하여 높아지고 있다. 거동이 불편하거나 근력이 부족한 환자의 경우 스스로 거동할 능력이 다소 떨어지며, 낙상사고가 발생하면 부상 혹은 치명적일 경우 사망으로 이어질 수 있다. 하지만, 이들을 보살피는 간호 인력만으로 병원 내 모든 낙상사고를 파악하기에는 한계가 있다. 또한, 환자들의 낙상 탐지에 관한 연구는 지속해서 수행되어왔지만, 병원 내부환경에서의 낙상 탐지 연구는 부족하다. 이에 본 논문에서는 병원 내부환경에서 낙상을 탐지하기 위해 실제 병실에서 수집한 데이터로 YOLOv5 모델을 학습하여 환자 낙상 탐지모델을 구축 및 평가하였다.