영상 전처리 알고리즘이 YOLOv8 객체 인식 성능과 처리 속도에 미치는 영향
The Efficiency of Image Pre-processing Algorithms on YOLOv8 Object Recognition Performance and Processing Time
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
CCTV 및 저조도 환경에서의 객체 인식 성능은 조도 변화와 노이즈로 인해 저하되는 경우가발생한다. 본 연구에서는 16가지 영상 화질 개선 알고리즘과 3가지 노이즈 제거 알고리즘을 제조데이터셋(900장) 및 저조도 데이터셋(ExDark, 600장)에 적용하여 YOLOv8의 mAP(mean Average Precision)와 처리 시간을 평가하였다. 실험 결과, 제조 데이터셋의 경우, GCEHM(Global Contrast Enhancement Historical Modification)과 가우시안 필터의 조합이 mAP를 6.98% 향상시켰다. 저조도데이터셋의 경우, LT(Linear Transformation)와 위너 필터(Wiener filter) 조합이 4.31%의 mAP 개선을보였다. 처리 시간의 경우, LT(2.01ms)와 가우시안 필터(8.33ms) 등 10가지 알고리즘이 실시간 처리를 만족하였다. 이러한 연구 결과는 객체 인식 과정에 이미지 전처리 알고리즘을 도입함으로써실시간 성능을 유지함과 동시에 객체 인식 성능을 유의미하게 향상시킬 수 있음을 보여준다.
Abstract
Object recognition performance in CCTV and low-illumination environments is often degraded by illumination variations and noise. However, real-time systems necessitate both high accuracy and rapid processing speed. This study evaluates the mean Average Precision (mAP) and processing time of YOLOv8 by cross-applying 16 image enhancement and 3 noise removal algorithms to a manufacturing dataset (900 images) and the ExDark (Exclusive Dark) dataset (600 images). Experimental results indicated that 41 combinations of these algorithms improved performance for the manufacturing dataset, specifically, the combination of Global Contrast Enhancement Historical Modification (GCEHM) and a Gaussian filter achieved a 6.98% increase in mAP. For the ExDark dataset, 16 algorithm combinations demonstrated improved object recognition, with the Linear Transformation (LT) and Wiener filter combination achieving a 4.31% increase in mAP. Regarding processing time, 10 algorithms, including LT (2.01 ms) and the Gaussian filter (8.33 ms), satisfied the criteria for real-time operation. These findings demonstrate that incorporating image pre-processing into the object recognition pipeline can significantly enhance detection performance while maintaining real-time efficiency.