earticle

영어

Object detection in videos is one of the most important research topics in computer vision, playing a key role in various applications such as autonomous driving, medical image analysis, and smart surveillance systems. Artificial i ntelligence (AI) is driving innovation across various industries, and its integration with simulation enables more pre cise predictions and optimizations. By combining AI-based models with simulation tools, more accurate and reliable results can be obtained. This paper proposes an optimization method based on supervised learning to improve object detection accuracy in images and facilitate its application in various fields. By considering object-specific features w ithin images, the recognition process is systematically structured to maximize detection accuracy. Various supervise d learning techniques are applied to identify the most effective approach for object recognition. Additionally, to ensu re the detected results can be utilized in diverse applications, the output is stored in the standardized XML format. The superior performance of the proposed method is verified through experiments.

한국어

영상 내 객체 인식(Object Detection)은 컴퓨터 비전 분야에서 가장 중요한 연구 주제 중 하나로, 자율 주행, 의료 영 상 분석, 스마트 감시 시스템 등 다양한 응용 분야에서 핵심적인 역할을 한다. 인공지능(AI)은 다양한 산업 분야에서 혁 신을 촉진하고 있으며, 특히 시뮬레이션과의 결합을 통해 더욱 정교한 예측과 최적화가 가능해지고 있다. 시뮬레이션 도구에 AI 기반 모델을 결합함으로써 보다 정확하고 신뢰성 높은 결과를 도출할 수 있다. 본 논문에서는 이미지내에 객 체의 인식률을 높여 그 결과를 다양한 응용에 활용할 수 있도록 지도 학습을 기반으로 한 최적화 기법에 대하여 제안 하였다. 이미지내 객체별 특징을 고려하여 인식 과정울 수립함으로써 객체 인식률을 극대화하였다. 지도 학습 기법 중 다양한 기법을 적용하여 최적의 지도 학습을 선택하여 인식을 수행하였다. 또한 지도 학습을 기반으로 인식된 결과를 다양한 응용에 활용하기 위해 그 결과를 표준화 포맷인 XML 형태로 저장하였다. 본 논문에서 제안한 기법의 우수한 성능은 실험을 통해 확인할 수 있었다.