earticle

한국어

컴퓨터 비전과 인공지능 기술의 발달로 인해, 입력 이미지에서 많은 종류의 객체를 탐지하는 알고리즘이 개발되고 있다. 이 중 YOLO(You Only Look Once)알고리즘은 실시간 객체 탐지에 적합한 알고리즘이다. 본 연구는 YOLO알고리즘에서 실시간 객체 탐지를 비롯하여 영상 획득, 전송, 처리 과정에서 발생할 수 있는 노이즈를 미리 학습 데이터에 추가한 뒤 모델을 학습하여, 노이즈가 포함된 이미지에서 객체 탐지 정확도를 높이는 것을 목표로 한다. 모델의 성능을 객관적으로 판단하기 위해 노이즈를 적용한 이미지를 학습한 모델과 그렇지 않은 이미지를 학습한 모델을 준비하여 성능을 비교한다. 학습 이미지에 노이즈를 적용한 모델은 훈련 과정에서 의도적으로 노이즈가 있는 이미지를 학습했음에도 불구하고, 일반적인 방식으로 학습한 모델과 loss값의 큰 차이가 없었다. 학습 단계가 끝난 후에 검증 단계에서 원본 이미지와 노이즈를 적용한 데이터셋을 준비하였다. 검증 단계에서 노이즈가 없거나 적은 이미지에서의 객체를 탐지하는 과정에서 큰 차이를 볼 수 없었지만, 노이즈의 강도가 큰 이미지에서는 기존의 학습 방식보다 더 우수한 모습을 보여준다.