합성곱 신경망을 사용한 화물차의 차종분류
Classification of Trucks using Convolutional Neural Network
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 논문에서는 화물차 차종을 분류하기 위해서 특징추출단계 없이 입력영상으로부터 차종분류결과를 얻을 수 있는 합성곱 신경망을 사용한 분류방법을 제안한다. 차량의 위에서 촬영된 영상을 입력으로 사용하고 입력영상에 적합한 합성곱 신경망의 구조를 설계한다. 차종과 화물칸의 형태에 따라 차종을 자동 분류하기 위한 학습데이터를 생성하고 지도학습의 형태로 학습시키기 위해 분류된 영상과 올바른 출력결과를 제시하여 신경망의 가중치를 학습시킨다. 실제 영상을 입력하여 합성곱 신경망의 출력을 계산하였고 실제 차종과의 비교를 통해 분류 성능을 평가 하였다. 실험결과 화물의 차종과 적재함의 형태에 따라 90%이상의 정확도로 영상을 분류할 수 있었고, 적재불량 검사의 사전 분류에 활용될 수 있다.
Abstract
This paper proposes a classification method using the Convolutional Neural Network(CNN) which can obtain the type of trucks from the input image without the feature extraction step. To automatically classify vehicle images according to the type of truck cargo box, the top view images of the vehicle are used as input image and we design the structure of the CNN suitable for the input images. Learning images and correct output results is generated and the weights of neural network are obtained through the learning process. The actual image is input to the CNN and the output of the CNN is calculated. The classification performance is evaluated through comparison CNN output with actual vehicle types. Experimental results show that vehicle images could be classified with more than 90 percent accuracy according to the type of cargo box and this method can be used for pre-classification for inspecting loading defect.
참고문헌 (15)
- R. Girshick, "Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation", Proceedings of CVPR, 2014, pp.580~587 (2014)
- 김기석, "지능형 교통 시스템을 위한 형태학적차량 분류 알고리즘", 멀티미디어학회논문지, 5(1), pp.10~17 (2002), 한국멀티미디어학회
- 신욱선, "차량 감시영상에서 그림자 제거를 통한 효율적인 차종의 학습 및 분류", 정보처리학회 논문지, 15(1), pp.1~8 (2008), 한국정보처리학회
- 폴 퀴로즈, "A Study on Attitude Estimation of UAV Using Image Processing", 융합정보논문지, 7(5), pp.137~148 (2017), 중소기업융합학회[DOI]
- H. Huttunen, "Car type recognition with Deep Neural Networks", Proceedings of the IEEE Intelligent Vehicles Symposium, pp.1016~1021 (2016)
- Yaw Okyere Adu-Gyamfi, "Automated Vehicle Recognition with Deep Convolutional Neural Networks", Transportation Research Record: Journal of the Transportation Research Board, 2645(1), pp.113~122 (2017), SAGE Publications[DOI]
- 한주찬, "자율주행차를 위한 장애물 탐지 및 인식 시스템", 융합정보논문지, 7(6), pp.229~235 (2017), 중소기업융합학회[DOI]
- B. Su, "The Precise Vehicle Retrieval in Traffic Surveillance with Deep Convolutional Neural Netwoks", International Journal of Information and Electronics Engine, 6(3), pp.192~197 (2016)
- Zhen Dong, "Vehicle Type Classification Using a Semisupervised Convolutional Neural Network", IEEE Transactions on Intelligent Transportation Systems, 16(4), pp.2247~2256 (2015), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- P. K. Kim, "Vehicle Type Classification Using Bagging and Convolutional Neural Network on Multi View Surveillance Image", IEEE Conference on CVPRW, 11(2), pp.41~46 (2017)[DOI]
- 이유진, "에지영상의 비율을 이용한 차종 인식 보안 알고리즘", 융합정보논문지, 7(2), pp.77~82 (2017), 중소기업융합학회[DOI]
- 박웅규, "합성곱 신경망 기반 야간 차량 검출 방법", 대한임베디드공학회논문지, 12(2), pp.113~120 (2017), 대한임베디드공학회[DOI]
- 권명규, "컨볼루셔널 뉴럴 네트워크를 이용한 주인공 식별 기반의 영상장면 탐색 기법", 융합정보논문지, 7(2), pp.31~36 (2017), 중소기업융합학회[DOI]
- Peemen, "Speed sign detection and recognition by convolutional neural networks", Proceedings of the 8th International Automotive Congress, 11(2), pp.162~170 (2011)
- 구진희, "실시간 데이터 분석의 성능개선을 위한 적응형 학습 모델연구", 융합정보논문지, 8(1), pp.201~206 (2018), 중소기업융합학회[DOI]