Dilated Faster R-CNN 기반 폐기물 탐지 및 특징 융합 기반 유사도 분석 기법
Waste Detection Based on Dilated Faster R-CNN and Similarity Analysis Using Feature Fusion
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
폐기물 발생량의 증가에 따라 이를 효과적으로 처리하는 시스템이 필요하다. 폐기물을 배출하는배출자는 대형 폐기물에 해당하는 스티커를 부착하여야 하며, 수거자는 배출된 폐기물과 스티커가일치하는지 확인 후, 수거가 이루어져야 한다. 이러한 과정이 원활하게 이루어지지 않을 경우, 추가적인 처리에 따른 인력과 비용이 발생하게 된다. 이에 따라 본 논문에서는 Dilated Faster R CNN을통해 폐기물에 대한 정확한 분류 및 탐지를 진행하고, 퓨전 기반 유사도 분석을 통해 배출된 대형폐기물의 유사도를 분석하는 시스템을 제안한다. 이를 통해 배출자는 대형 폐기물을 정확하게 분류할 수 있도록 하며, 수거자는 배출된 폐기물과 수거할 폐기물이 서로 일치하는지 확인하여 폐기물배출 및 수거 작업의 효율성을 향상시킨다. Dilated Faster R CNN을 통해 기존의 Faster R CNN보다정확도가 4.01% 향상되었으며, 퓨전 기반 유사도 분석을 통해 기존의 SIFT기반 특징 추출보다 처리 속도가 약 59% 향상되었으며, 정확도는 ORB기반 특징 추출보다 3.79% 향상되었다.
Abstract
With the increasing volume of waste generation, an effective system for efficient waste management has become essential. Waste generators must be able to attach stickers corresponding to large waste items, and collectors need to verify that the disposed waste matches the stickers before proceeding with collection. If this process is not executed smoothly, additional labor and costs may be incurred for further handling. To address this, this paper proposes a system that utilizes Dilated Faster R-CNN for accurate waste classification and detection, along with a fusion-based similarity analysis to evaluate the similarity of disposed large waste items. This system enables waste generators to classify large waste items accurately and allows collectors to verify whether the disposed waste matches the intended waste for collection, thereby enhancing the efficiency of waste disposal and collection processes. The proposed Dilated Faster R-CNN achieves a 4.01% improvement in accuracy compared to the conventional Faster R-CNN. Additionally, the fusion-based similarity analysis improves processing speed by approximately 59% compared to SIFT-based feature extraction and achieves a 3.79% improvement in accuracy over ORB-based feature extraction.