인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
DBpia Top 10%
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
객체 탐지는 자율주행, 안전관리, 도시관리, 스마트 팩토리, 환경보호 등 사회의 다양한 분야 활발하게 사용되고 있다. 한편, 다양한 버전의 YOLO가 발표됨에 따라 학습데이터에 적합한 모델 및 하이퍼 파라미터 선정에 관한 연구가 필요하다. 이에, 본 연구에서는 VisDrone-DET 학습데이터를 사용하여 다양한 버전의 YOLO(v5, v6, v8, v10 및 v11)의 성능을 학습 실험을 통해 확인하였다. 또한, 하이퍼 파라미터 중 가중치 크기, 입력 이미지 해상도, 최적화 기능 및 학습률의 변경을 통해 정확도의 변화도 분석하였다. 실험 결과, YOLO v8 XLarge 모델에 대해 Adam 최적화 함수, 학습률 0.001, 입력 사진 크기 1920픽셀을 사용하였을 때, mAP@50 기준 0.669로 정확도가 가장 높은 것으로 나타났다. 특히, 시각화를 통해 YOLO v8이 작은 물체 감지에도 뛰어남을 확인하였다. 본 실험을 통해 학습데이터에 따라 학습 실험을 통해 적합한 YOLO 모델을 찾는 것이 중요함을 확인하였으며, 추후 다양한 학습데이터를 통해 다양한 객체에 대해 누적된 결과를 얻을 수 있다면, 객체 특징을 고려한 YOLO 버전 및 하이퍼 파라미터를 제안할 수 있는 솔루션 개발도 가능할 것으로 기대된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092197940
