• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.671-674
• /
• 2018

본 연구에서는 모형 자동차를 이용한 YOLO 운전 보조 시스템을 구현 하였다. YOLO는 최근에 잇슈가 되고 있는 딥 러닝을 사용하는 물체 감지 및 인식 알고리즘입니다. 이 시스템은 카메라를 통해 획득한 영상에 영상처리 기술을 적용하여 차선 이탈을 경고하고, YOLO를 이용하여 객체를 인식하며 객체 유형 및 차량 사이의 거리에 따라 다양한 기능을 수행한다. 기존 물체 검출 및 인식 알고리즘 보다 우수한 YOLO는 추가 장비 없이 주행 보조 시스템 성능을 향상시킨다. YOLO를 이용한 주행 보조 시스템은 적은 비용으로 운전자의 안전성을 확보할 수 있을 것이다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.431-433
• /
• 2021

본 논문에서는 YOLO 인공 지능 플랫폼을 이용하는 이상행동 감시 시스템을 구현하였으며, YOLO 시스템의 one-shot 감지 시스템 사용으로 기존 감시 시스템에 비해 우수한 응답 특성을 갖는다. YOLO 인공 플랫폼은 폭행, 절도, 방화와 같은 이상행동들로 구성된 이미지 세트로 학습되었다. 이상행동 감시 시스템은 서버와 클라이언트로 구성되어 있으며, 상용화될 경우 각종 범죄 문제를 풀기 위해 스마트시티에 적용이 가능하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.123-125
• /
• 2022

본 논문에서는 Yolo-pose를 이용하여 장단기 메모리(Long short-term Memory)에 적용하는 시스템을 소개한다. 영상데이터로부터 Yolo-pose를 이용하여 일상생활과 낙상으로 구분된 데이터를 추출하여 LSTM에 적용하여 학습시킨다. 학습은 오버피팅을 방지하기 위하여 8대2의 Validation을 진행하며 Confusion matrix로 나타낸다. Yolo-pose의 결과값은 sensitivity와 specificity 모두 100%를 기록하여 일상생활과 낙상을 잘 구분하는 것을 확인 하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.115-124
• /
• 2022

본 논문에서는 최근 다양한 분야에서 많이 활용되고 있는 YOLO와 EAST 신경망을 이미지 속 문자열 탐지문제에 적용해보고 이들의 성능을 비교분석 해 보았다. YOLO 신경망은 일반적으로 이미지 속 문자영역 탐지에 낮은 성능을 보인다고 알려졌으나, 실험결과 YOLOv3는 문자열 탐지에 비교적 약점을 보이지만 최근 출시된 YOLOv4와 YOLOv5의 경우 다양한 형태의 이미지 속에 있는 한글과 영문 문자열 탐지에 뛰어난 성능을 보여줌을 확인하였다. 따라서, 이들 YOLO 신경망 기반 문자열 탐지방법이 향후 문자 인식 분야에서 많이 활용될 것으로 전망한다.

• 스마트미디어저널
• /
• 제12권5호
• /
• pp.73-80
• /
• 2023

최근 지능형 관제 시스템은 다양한 응용 분야에서 빠르게 발전하고 있으며, 딥러닝, IoT, 클라우드 컴퓨팅 등의 기술이 지능형 관제 시스템에 활용하는 방안이 연구되고 있다. 지능형 관제 시스템에서 중요한 기술은 영상에서 객체를 인식하고 추적하는 것이다. 그러나 기존의 다중 객체 추적 기술은 정확도 및 속도에서 문제점을 가지고 있다. 본 논문에서는 객체 추적의 정확성을 높이고, 객체가 서로 겹쳐있거나 동일한 클래스에 속하는 객체들이 많을 경우에도 빠르고 정확하게 추적 가능한 원샷 아키텍처 기반의 YOLO v5와 YOLO v6을 사용하여 실시간 지능형 관제시스템을 구현하였다. 실험은 YOLO v5와 YOLO v6를 비교하여 평가하였다. 실험결과 YOLO v6 모델이 지능형 관제시스템에 적합한 성능을 보여주고 있다. 실험결과 YOLO v6 모델이 지능형 관제시스템에 적합한 성능을 보여주고 있다.

• International Journal of Advanced Culture Technology
• /
• 제9권4호
• /
• pp.260-267
• /
• 2021

In this paper, we intend to use a new mixed model of YoloV5 and DeepSort. For fire detection, we want to increase the accuracy by automatically extracting the characteristics of the flame in the image from the training data and using it. In addition, the high false alarm rate, which is a problem of fire detection, is to be solved by using this new mixed model. To confirm the results of this paper, we tested indoors and outdoors, respectively. Looking at the indoor test results, the accuracy of YoloV5 was 75% at 253Frame and 77% at 527Frame, and the YoloV5+DeepSort model showed the same accuracy at 75% at 253 frames and 77% at 527 frames. However, it was confirmed that the smoke and fire detection errors that appeared in YoloV5 disappeared. In addition, as a result of outdoor testing, the YoloV5 model had an accuracy of 75% in detecting fire, but an error in detecting a human face as smoke appeared. However, as a result of applying the YoloV5+DeepSort model, it appeared the same as YoloV5 with an accuracy of 75%, but it was confirmed that the false positive phenomenon disappeared.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.69-71
• /
• 2023

본 논문은 YOLO 기반 모델의 철도 시스템 내 선로 고정장치 탐지 성능을 비교하고 분석한다. 여기서 철도 시스템은 열차가 주행하기 위한 선로, 침목, 패스너 등의 구성요소를 포함한다. 침목은 지반과 직접적으로 연결되며, 선로를 지반 위에 안정적으로 지지하고 궤간을 정확하게 유지하는 역할을 한다. 또한, 패스너는 선로를 침목에 단단히 고정시키는 역할을 한다. 이러한 선로 고정장치의 부재는 인명 사고로 이어질 수 있어 지속적인 관리와 유지 보수가 필수적이다. 본 논문에서는 철도 시스템의 선로 고정장치 탐지를 위해 YOLO V5 및 V8 딥러닝 모델의 적용 가능성을 실험적으로 접근하며, 두 모델의 탐지 성능을 비교한다. 실험 결과, YOLO V8 및 V5 모델은 모두 뛰어난 성능을 보이는데, 특히 YOLO V8 모델이 더욱 우수한 성능을 보인다. 이로써 YOLO 알고리즘은 선로 고정장치 탐지에 적합하다는 것을 증명한다. 그러나 일부 False Positive Sample이 관측되었음을 확인하고, 이로부터 모델 성능의 개선이 필요하다는 결론을 도출하였다.

• 반도체디스플레이기술학회지
• /
• 제19권1호
• /
• pp.85-92
• /
• 2020

Object detection plays a critical role in the field of computer vision, and various researches have rapidly increased along with applying convolutional neural network and its modified structures since 2012. There are representative object detection algorithms, which are convolutional neural networks and YOLO. This paper presents two representative algorithm series, based on CNN and YOLO which solves the problem of CNN bounding box. We compare the performance of algorithm series in terms of accuracy, speed and cost. Compared with the latest advanced solution, YOLO v3 achieves a good trade-off between speed and accuracy.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.347-349
• /
• 2020

본 논문에서는 컴퓨팅 이미지 객체인식 시스템인 YOLO 성능 향상을 위한 효율적인 이미지 마킹 정책을 제안한다. 이 정책은 이미지 데이터를 통한 객체인식 학습 YOLO의 객체인식을 높이고 다른 객체와의 구분을 최대화하여 학습 모델의 성능을 높인다. YOLO의 성능을 최대화하기 위하여 YOLO의 학습을 몇 번 시킬 것인지 무엇을 객체로 인식시킬지 동적으로 할당한다. 이때 학습 싸이클에 따라 객체의 인식이 달라지며 어느 싸이클에서 가장 효율적인지, 왜 다른 객체를 같이 학습시켜야 하는지 중명한다. 본 논문에서는 YOLO의 싸이클과 다른 객체 학습에 있어서 최적의 객체인식 싸이클과 학습 성능 향상 면에서 우수함을 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.153-154
• /
• 2019

실제로 잠을 자는 것이 허용되지 않는 많은 일자리가 있습니다. 졸음운전은 현대 사회에서 가장 큰 문제 중 하나입니다. 이 논문에서는 깊은 학습 (YOLO)을 사용하여 눈을 검사하고 졸음을 확인한 다음 수중 총을 제어하는 시스템을 제안한다.