검색 상세

i-YOLOX 구조 기반 스팸 이미지 분류 및 다중표적 검출에 관한 연구

A Study on the Multi-target Detection and Classification of Spam Images Based on the i-YOLOX Structure

  • 왕웨이광 (WANGWEIGUANG, 동신대학교 일반대학원)

초록/요약

i-YOLOX 구조 기반 스팸 이미지 분류 및 다중표적 검출에 관한 연구 왕웨이광 동신대학교 대학원 컴퓨터학과 (지도교수 이태원) 지능형 폐기물 영상 분류 및 검출의 적용에 있어서는 속도와 정확성이 무엇보다 중요하다. 효과적인 폐기물 검출 알고리즘은 폐기물 선별의 경제성을 높일 수 있고, 그러나 기존의 많은 생활폐기물 검출 알고리즘은 검출 정확도가 부족하고 모델 파 라미터가 지나치게 크다는 공통적인 문제를 겪고 있다. 다양한 상황에서 생활폐기 물을 정확하게 검출하고 분류하기 위해서는 폐기물(Garbage) 영상의 풍부한 데이터 세트를 준비하고 효과적인 데이터 확대 방법을 채택하는 것이 필수적이며, 알고리 즘이 다중 스케일 객체와 복잡한 영상 배경에 민감하도록 훈련되어야 한다. 본 논 문은 기존의 생활 폐기물 영상 분류 및 검출의 난제를 해결하기 위해 고급 딥러닝 기법과 데이터 세트 최적화 방법을 결합하였다. (1) 본 연구는 데이터 증강에 대한 광범위한 연구를 수행하여 특정 데이터 세트 범주에서 불충분한 샘플, 제한된 장면 다양성, 샘플의 불균등한 분포 문제를 해결한 다. 데이터 증강 기술을 결합하면 데이터 세트의 훈련 효과가 향상되며, 실험을 통 해 적절한 데이터 증강 전략을 확인할 수 있다. (2) 공간 컨볼루션 특징 추출 대신 채널 컨볼루션 접근법을 활용하고 순차 처리 개념을 통해 채널 컨볼루션 그룹으로 구분한다. involution을 사용하여 iCSPlayer를 특징 추출 계층으로 구성함으로써, 신경망의 매개 변수 수를 줄이고 검출 속도를 향상시키면서 생활 폐기물 분류 및 검출의 정확도를 높일 수 있다. (3) 1단계 객체 검출 알고리듬 YOLOX를 기반으로 생활 폐기물 분류 및 검출을 위한 i-YOLOX 객체 검출 알고리듬을 제안한다. 알고리듬에서 특징 추출을 향상하 기 위해 CBAM 특징 주의 메커니즘과 채널 컨볼루션 메커니즘을 결합한 iPANet 구조를 도입한다. 또한, iResHead 잔차 디커플링 검출 헤드 구조를 제안한다. 이러 한 알고리듬 향상은 네트워크가 훈련하는 동안 더 풍부한 목표 의미 및 텍스처 특 징을 학습할 수 있도록 하여 실제 시나리오에서 폐기물 객체 검출 모델의 정확도를 효과적으로 향상한다. 본 연구에서는 YOLOX-S를 기준 알고리즘으로 선정하고 몇 가지 개선을 하고자 하였다. 다중 정확도 메트릭과 네트워크 파라미터를 평가한 결과, 기준 i-YOLOX 알고리즘에 비해 실험적 개선에서 평균 정밀도는 1.47% 증가했고, 파라미터 카운트 는 23.3% 감소했으며, 검출 속도는 40.4% 향상되었다. 또한 제안된 i-YOLOX 알고 리즘에 대한 확장 실험을 수행했으며, 공개 데이터 세트인 TashNet을 사용하여 교 차 비교 실험을 수행했다. 실험 결과는 i-YOLOX 알고리즘이 포괄적인 메트릭 전 반에서 우수한 성능을 나타냄을 보여준다.

more

목차

표 목차 ⅳ
그림 목차 ⅴ
초록 ⅶ
Ⅰ. 서론 ·1
1. 연구 배경 및 의의 1
1) 연구 배경 1
2) 연구의 의의 ·2
2. 국내외 연구현황 ·3
1) 전통적 폐기물 자동 분류 방법 3
2) 딥러닝 기반 폐기물 분류 방법 6
3) 폐기물 이미지 데이터셋 8
3. 연구 목표 및 내용 ·10
4. 논문 구성 11
Ⅱ. 딥러닝 관련 기술 이론 13
1. 컨볼루션 신경망의 개요 13
1) 컨벌루션 레이어 15
2) 풀링 레이어 17
3) 완전 연결 레이어 ·18
4) 배치 정규화 계층 ·19
5) 활성화 기능 20
2. 표적 탐지 알고리즘 23
1) 2단계 객체 검출 알고리즘 24
2) 단일 객체 검출 알고리즘 26
3) 실험평가 지표 ·29
3. 손실함수의 적용 32
Ⅲ. i-YOLOX 기반 생활 폐기믈 검출 표적탐지 시스템 37
1. 폐기물 이미지 데이터셋의 데이터 증강 기법 ·37
1) 폐기물 이미지 데이터셋 생성 38
2) 전통적 데이터증강법을 이용한 생활 폐기물 이미지 개선 ·41
(1) 랜덤 밝기 ·42
(2) 랜덤 크롭 ·43
(3) 스케일링 및 회전 44
(4) 컬러 지터 ·45
(5) 랜덤 소음 ·46
3) Mixup 방식을 기반으로 한 생활 폐기물 이미지 강화 47
4) Mosaic 기반 생활 폐기물 이미지 향상 ·49
5) 데이터 증강 실험 ·50
(1) 실험 환경 ·51
(2) 증강전략에 대한 비교실험 ·51
2. i-YOLOX 생활 폐기물 표적탐지 알고리즘 56
1) YOLOX 표적 탐지 알고리즘 56
2) i-YOLOX 개선 개요 ·61
3) 향상된 involution 기반 iCSPLayer 62
(1) involution 채널 컨볼루션 방식 62
(2) iCSPLayer 특징 추출 구조 66
4) 특징적인 주의 메커니즘을 기반으로 개선된 iPANet ·68
(1) CBAM 주의 메커니즘 68
(2) iPANet 특징 추출 구조 강화 72
5) 잔차 디커플링 구조를 기반으로 개선된 iResHead 73
(1) 잔차 디커플링 구조 ·74
(2) iResHead 대상 탐지 헤드 75
6) 실험 과정과 결과 ·76
(1) 데이터 세트 준비 76
(2) 실험 환경 및 훈련 설정 78
(3) 알고리즘 모델 개선 절제 실험 78
(4) 검출 알고리즘 비교 실험 84
7) 실험 토론 87
8) 본장 요약 89
Ⅳ. 결론 ·92
1. 결론 92
2. 전망 94
참고문헌 ·96
ABSTRACT 104
감사의 글 107

more
반출 Meta View 목록