메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
곽희진 (안동대학교) 권영재 (안동대학교) 이철희 (안동대학교)
저널정보
한국양봉학회 Journal of Apiculture Journal of Apiculture Vol.38 No.3
발행연도
2023.9
수록면
223 - 232 (10page)
DOI
10.17519/apiculture.2023.09.38.3.223

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
말벌은 양봉 산업에 피해를 주는 요소 중 하나이다. 이 피해를 줄이기 위해서는 말벌 탐지를 기반으로 한 방제시스템의 개발이 필요하다. 본 연구에서는 말벌과 같이 작은 객체의 탐지를 위한 딥러닝 모델을 선택할 때 학습용 데이터의 구성에 따른 모델의 성능을 비교하여 말벌 탐지에서 유용한 딥러닝 모델 및 학습용 데이터 구성에 대한 방법론을 제시하였다. 딥러닝 모델은 가장 많이 활용되는 YOLOv5, YOLOX, YOLOv7을 선택했다. YOLOv5와 YOLOv7은 Anchor-based, YOLOX는 Anchor-free 기반 YOLO 모델이다. 그리고 학습용 데이터셋으로는 기본 말벌 데이터셋과 객체 (말벌)가 영상 내 차지하는 면적 비율을 전체 영상 면적 비율에서 0.3%를 차지하도록 조절한 0.3% 데이터셋, Mixed 데이터셋으로 총 3가지를 준비했다. YOLO 모델 3가지와 데이터셋 3가지를 조합하여 9가지 실험을 수행한 후, 성능 평가 지표로서 mAP를 활용했다. 말벌을 학습한 YOLOv5, YOLOX, YOLOv7을 테스트 데이터셋으로 테스트한 결과로 기본 데이터셋으로 학습한 가중치를 0.3% 테스트 데이터셋을 실험한 결과로 YOLOv5와 YOLOv7은 mAP가 5% 미만을 나타냈다. 다만 YOLOX는 학습 데이터셋 내의 객체의 크기에 영향을 크게 받지 않는 Anchor-free 특성으로 인해 85%로 Anchorbased 모델에 비해 우수한 성능을 보여주었다. 0.3% 데이터셋으로 학습한 YOLOv5, YOLOX, YOLOv7을 0.3% 테스트 데이터셋으로 테스트하면 각각 94%, 89%, 95.4%의 결과를 보여주었다. 즉, 말벌 영상을 활용한 추론 실험에서는 YOLOv5와 YOLOv7이 테스트 환경과 유사하도록 설정한 데이터셋으로 학습되었을 때 mAP가 90% 이상으로 높은 탐지 능력을 보여주었다. 특히 YOLOv7이 95.4%로 가장 높은 mAP를 보여주었다. YOLOX는 데이터셋의 차이와 상관 없이 모든 테스트에서 mAP가 80% 이상으로 준수한 성능을 나타냈다. 이 연구는 YOLO 모델을 학습할 때 데이터셋 선택의 중요성에 대해 탐구하며, 실험에 사용된 YOLO 모델 중 YOLOv7이 준비된 데이터셋 중 0.3% 데이터셋으로 학습한 후 말벌을 탐지할 때 가장 우수하다는 것을 확인하였다.
#Deep learning #Training dataset #Vespa #YOLO

목차

Abstract
서론
재료 및 방법
결과 및 고찰
적요
인용문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

실시간 수어 AI 번역 프로그램 구현
이동욱 ,  김민서 ,  김남호 외 1명 디지털콘텐츠학회논문지 2023 .10
인공지능 학습용 데이터의 개인정보 비식별화 자동화 도구 개발 연구 - 영상데이터기반 -
이현주 ,  이승엽 ,  전병훈 JOURNAL OF PLATFORM TECHNOLOGY 2023 .06
딥러닝 기술 활용을 위한 데이터셋 구축방법 연구 - CNN을 활용한 데이터셋과 하이퍼파라미터 조정을 통한 정확도 개선 -
김도영 ,  김태훈 ,  윤준희 디지털콘텐츠학회논문지 2023 .02
결함검출 적용을 위한 YOLO 딥러닝 알고리즘 비교
김익수 ,  이문구 ,  전용호 한국생산제조학회지 2021 .12
색상필터와 딥러닝 기반의 화재감지
방한솔 ,  이주형 ,  최진구 Proceedings of KIIT Conference 2022 .12

최근 본 자료

전체보기

댓글(0)

0