YOLO 기반 실종자 수색 AI 응용 시스템 구현
Implementation of YOLO based Missing Person Search AI Application System
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
실종자 수색은 많은 시간과 인력이 필요하다. 그 해결책의 일환으로 YOLO 기반 모델을 활용하여 실종자 수색 AI 시스템을 구현하였다. 객 객체 탐지 모델을 훈련하기 위해 AI-Hub에서 드론 이동체 인지 영상(도로 고정)을 수집하고 모델을 학습하였다. 또한, 훈련 데이터 세트와 상이한 환경에서의 성능을 평가하기 위해 산악 환경 데이터 세트를 추가 수집하였다. 실종자 수색 AI 시스템의 최적화를 위해 모델 크기 및 하이퍼파라미터에 따른 성능평가, 과대적합 우려에 대한 추가 성능평가를 시행하였다. 성능평가 결과 YOLOv5-L 모델이 우수한 성능을 보이는 것을 확인할 수 있었으며 데이터 증강 기법을 적용함에 따라 모델의 성능이 보다 향상되었다. 이후 웹 서비스에는 데이터 증강 기법을 적용한 YOLOv5-L 모델을 적용하여 실종자 수색의 효율성을 높였다.
Abstract
It takes a lot of time and manpower to search for the missing. As part of the solution, a missing person search AI system was implemented using a YOLO-based model. In order to train object detection models, the model was learned by collecting recognition images (road fixation) of drone mobile objects from AI-Hub. Additional mountainous terrain datasets were also collected to evaluate performance in training datasets and other environments. In order to optimize the missing person search AI system, performance evaluation based on model size and hyperparameters and additional performance evaluation for concerns about overfitting were conducted. As a result of performance evaluation, it was confirmed that the YOLOv5-L model showed excellent performance, and the performance of the model was further improved by applying data augmentation techniques. Since then, the web service has been applied with the YOLOv5-L model that applies data augmentation techniques to increase the efficiency of searching for missing people.
참고문헌 (22)
- 경찰청, "실종아동등 신고접수 및 처리현황", e-나라지표, ~ (2023)
- 송정순, "양천, 발달장애인 실종 방지 위한 스마트 지킴이 추가 보급", 강서양천신문, ~ (2023)
- 전근수, "경찰대학 드론시큐리티연구원, 제23회 학술토론회 개최", 국제수사일보, ~ (2023)
- 강연운, "실종자 수색에 대량 경찰력 동원?⋯이제 드론이 뜬다", 매일경제, ~ (2023)
- 강주헌, "경찰 드론은 ‘수색만 가능’...교통단속 범죄예방은 ‘규정위반’", 머니투데이, ~ (2023)
- "파이낸셜뉴스", 2023
- 최위지, "실종 사건 골든 타임 사수⋯‘수색용 드론’이 해결", KBS 뉴스, ~ (2023)
- 방지현, "딥러닝 기반의 객체 탐지 모델을 활용한 과수 생육 단계 판별 시스템", 스마트미디어저널, 11(4), pp.9~18 (2022), (사)한국스마트미디어학회[DOI]
- 고유진, "딥러닝 기반 작물 질병 탐지 및 분류 시스템", 스마트미디어저널, 12(7), pp.9~17 (2023), (사)한국스마트미디어학회[DOI]
- B. Yacoub, "Impact of Artificial Intelligence Assistance on Chest CT Interpretation Times : A Prospective Randomized Study", AJR Am J Roentgenol, 219(5), pp.743~751 (2022)
- "YOLOv5 Github"[URL]
- J. Redmon, "You Only Look Once : Unified, Real-Time Object Detection" (2016)
- R. Girshick, "Fast R-CNN" (2015)
- P. Sermanet, "OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks" (2014)
- J. Sohl-Dickstein, "Deep Unsupervised learning using Nonequilibrium Thermodynamics" (2015)
- 김경목, "드론과 인공지능을 활용한 실종자 탐색에 관한 연구", 보건의료생명과학논문지, 10(2), pp.361~367 (2022), 한국의료정보교육협회[DOI]
- 김유경, "실종자 데이터셋에서의 탐지 성능 분석 : 성별, 자세, 가시성에 따른 영향", 한국항공우주학회, 학술발표회, pp.980~981 (2023)
- P. Sun, "Sparse R-CNN : End-to-end Object Detection with Learnable Proposals", Proceedings of the IEEE, 2021, 14454~14463
- K. Chen, "MMDetection : Open MMLab Detection Toolbox and Benchmark" (2019)
- "AI-Hub" (2021)[URL]
- "Object Detection Metrics" (2022)[URL]
- 이준환, "지능형 관제시스템을 위한 딥러닝 기반의 다중 객체 분류 및 추적에 관한 연구", 스마트미디어저널, 12(5), pp.73~80 (2023), (사)한국스마트미디어학회[DOI]