항공 원격탐사기술과 딥 러닝의 접목을 통한 수색구조 지원 기술 개발

Title
항공 원격탐사기술과 딥 러닝의 접목을 통한 수색구조 지원 기술 개발
Alternative Title
The Development of Search and Rescue Support Technology using Airborne Remote Sensing and Deep Learning
Author(s)
박주한; 강배준; 양찬수
KIOST Author(s)
Park, Ju Han(박주한)Yang, Chan Su(양찬수)
Alternative Author(s)
박주한; 강배준; 양찬수
Publication Year
2018-10-10
Abstract
현재 한국해양과학기술원에서는 선박용 비행체를 이용하여 선박 사고 시 실시간 선박 주변상황 수집 기술을 개발 및 시험 적용 중에 있다. 본 논문에서는 개발 중인 선박용 비행체를 이용하여 촬영한 영상에서 익수자 및 선박을 분류하고 분류한 대상의 위경도 좌표를 산출한다. 영상 정보에서 익수자 및 선박을 구분하기 위해 딥 러닝 기반의 물체검출기를 이용하고 원격탐사기술을 이용하여 위경도 좌표를 산출하였다.
기존의 R-CNN과 같은 딥 러닝 방식은 물체의 위치를 나타내는 Bounding box를 예측하는 것과 예측한 위치의 물체를 분류하는 것을 별개의 인공신경망으로 작업하기 때문에 많은 양의 연산이 필요하여 수행시간이 매우 길다. 그러나 YOLO 모델은 입력받은 전체 영상에 대해 한 번의 평가로 Bounding box를 예측하고 물체를 분류하는 단일 인공신경망이기 때문에 수행시간이 R-CNN보다 9배 이상 빠르다. YOLO 모델에서 사전 학습된 인공신경망 데이터를 항공영상에 바로 적용하여 사람을 검출하기엔 몇 가지 문제가 있다. 첫째는 입력 영상의 해상도가 YOLO 모델의 입력 크기보다 너무 크다. YOLO의 전처리 과정에 입력 받는 영상을 인공신경망 입력 크기에 맞게 크기를 조정하는 과정이 있는데 이 단계에서 물체가 인식하지 못할 만큼 작아질 수 있는 문제가 있다. 둘째는 영상안의 사람 크기가 영상에 비해 너무 작다. YOLO는 Bounding box 예측도 학습을 통해 할 수 있게 된다. 하지만 사전 학습된 영상들에서의 사람 크기 비율과 항공영상에서의 사람 크기 비율이 많이 다르기 때문에 검출에 어려움이 있다.
비행체를 통해 얻어진 영상은 목표물의 정확한 위치정보를 파악하기 어렵다. 또한 원근효과에 의해 물체경도 좌표를 산출한다. 영상 정보에서 익수자 및 선박을 구분하기 위해 딥 러닝 기반의 물체검출기를 이용하고 원격탐사기술을 이용하여 위경도 좌표를 산출하였다.
기존의 R-CNN과 같은 딥 러닝 방식은 물체의 위치를 나타내는 Bounding box를 예측하는 것과 예측한 위치의 물체를 분류하는 것을 별개의 인공신경망으로 작업하기 때문에 많은 양의 연산이 필요하여 수행시간이 매우 길다. 그러나 YOLO 모델은 입력받은 전체 영상에 대해 한 번의 평가로 Bounding box를 예측하고 물체를 분류하는 단일 인공신경망이기 때문에 수행시간이 R-CNN보다 9배 이상 빠르다. YOLO 모델에서 사전 학습된 인공신경망 데이터를 항공영상에 바로 적용하여 사람을 검출하기엔 몇 가지 문제가 있다. 첫째는 입력 영상의 해상도가 YOLO 모델의 입력 크기보다 너무 크다. YOLO의 전처리 과정에 입력 받는 영상을 인공신경망 입력 크기에 맞게 크기를 조정하는 과정이 있는데 이 단계에서 물체가 인식하지 못할 만큼 작아질 수 있는 문제가 있다. 둘째는 영상안의 사람 크기가 영상에 비해 너무 작다. YOLO는 Bounding box 예측도 학습을 통해 할 수 있게 된다. 하지만 사전 학습된 영상들에서의 사람 크기 비율과 항공영상에서의 사람 크기 비율이 많이 다르기 때문에 검출에 어려움이 있다.
비행체를 통해 얻어진 영상은 목표물의 정확한 위치정보를 파악하기 어렵다. 또한 원근효과에 의해 물체
URI
https://sciwatch.kiost.ac.kr/handle/2020.kiost/23088
Bibliographic Citation
20l8년도 제6회 한국연안방재학회 연례학술대회, pp.85, 2018
Publisher
한국연안방재학회
Type
Conference
Language
Korean
Files in This Item:
There are no files associated with this item.

qrcode

Items in ScienceWatch@KIOST are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse