Faster R-CNN과 이미지 오그멘테이션 기법을 이용한 화염감지에 관한 연구
A Study on Flame Detection using Faster R-CNN and Image Augmentation Techniques
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
최근 딥러닝(deep learning) 인공지능 기반의 컴퓨터 비전 분야는 각종 영상분석 분야에서 화제로 떠오르고 있다. 본 연구에서는 딥러닝 기반의 여러 이미지 인식 알고리즘 중 이미지 내에서 객체를 검출하는 데 사용되는 Faster R-CNN 알고리즘을 이용하여 화재 이미지에서 불꽃을 검출하고자 한다. 학습 과정에서 소량의 데이터셋을 통한 화재검출 정확도 향상을 위해이미지 오그멘테이션(image augmentation) 기법을 이용하고, 이미지 오그멘테이션을 6가지 유형별로 나누어 학습하여 정확도, 정밀도, 검출률을 비교하였다. 그 결과, 이미지 오그멘테이션의 종류가 늘어날수록 검출률이 상승하지만, 다른 객체 검출모델들의 일반적인 정확도와 검출률의 관계와 마찬가지로 오검출율 또한 10%에서 최대 30%까지 증가하게 됨을 확인하였다
Abstract
Recently, computer vision field based deep learning artificial intelligence has become a hot topic among various imageanalysis boundaries. In this study, flames are detected in fire images using the Faster R-CNN algorithm, which is usedto detect objects within the image, among various image recognition algorithms based on deep learning. In order toimprove fire detection accuracy through a small amount of data sets in the learning process, we use image augmentationtechniques, and learn image augmentation by dividing into 6 types and compare accuracy, precision and detection rate. As a result, the detection rate increases as the type of image augmentation increases. However, as with the generalaccuracy and detection rate of other object detection models, the false detection rate is also increased from 10% to 30%.
참고문헌 (12)
- A Study Focused on Responding to Fire-Related Accidents, "J. S. Won", 1~21, pp.The Seoul Institute Policy Report, Vol. 239 (2017)
- L. Xiao, "A Distributed Reinforcement Learning Solution With Knowledge Transfer Capability for A Bike Rebalancing Problem", arXiv preprint, arXiv: 1810.04058, ~ (2018)
- Y. Bengio, "Learning Deep Architecture for AI", Foundations and trendsⓇ in Machine Learning, 2(1), pp.1~127 (2009)
- G. Hinton, "A Fast Learning Algorithm for Deep Belief Nets", Neural Computation, 18(7), pp.1527~1554 (2006)
- G. Huang, "Densely Connected Convolutional Networks", arXiv preprint, arXiv:1608.06993, ~ (2018)
- F. Pereira, "The Unreasonable Effectiveness of Data", IEEE Intelligent Systems, 24, pp.8~12 (2009)
- R. Girshick, "Rich feature hierarchies for accurate object detection and semantic segmentation", arXiv preprint, arXiv:1311.2524v5, 1~20 (2014)
- S. Ren, "Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks", arXiv preprint, arXiv:1506. 01497, ~ (2016)
- 이민기, "금속 표면의 결함 검출을 위한 영역 기반 CNN 기법 비교", 전기학회논문지, 67(7), pp.865~870 (2018), 대한전기학회
- L. Perez, "The Effectiveness of Data Augmentation in Image Classification using Deep Learning", arXiv preprint, arXiv:1712.04621, ~ (2017)
- A. Lecoutre, "Recognizing Art Style Automatically in painting with deep learning", Proceedings of Machine Learning Research, 77, pp.327~342 (2017)
- Z. Hussain, "Differential Data Augmentation Techniques for Medical Imaging Classification Tasks", AMIA Annu Symp Proc, pp.979~984 (2017)