Embedded 시스템을 위한 Faster R-CNN 기반의 해양쓰레기 검출 모델 개발

Q: 이 논문에서 정의한 Faster R-CNN이란 무엇인가?

영역 제안 네트워크(RPN)를 사용하여 객체 후보 영역을 효율적으로 찾아내는 2단계 객체 검출 알고리즘이다. 작은 물체에 대한 검출 정확도가 높다는 장점이 있으나, 상대적으로 추론 속도가 느리다는 단점을 가지고 있다.

Q: 임베디드 시스템에서 해양 쓰레기 검출의 실시간성을 확보하는 방법은 무엇인가?

연구 결과, Faster R-CNN의 백본 네트워크로 경량화된 MobileNetV3를 적용하고 TACO 데이터세트로 파인튜닝을 수행함으로써 성능을 높였다. 이를 통해 Jetson Xavier NX에서 평균 0.142초의 추론 시간을 달성하여 실시간 운용이 가능함을 입증하였다.

변영훈; 김은주; 임현준; 김한솔

doi:10.5302/J.ICROS.2021.21.0157

추천

검색

질문

자료유형: 학술저널

저자정보: 변영훈 (국립 한국해양대학교) 김은주 (국립 한국해양대학교) 임현준 (연세대학교) 김한솔 (국립 한국해양대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제27권 제12호

발행연도: 2021.12

수록면: 1,038 - 1,043 (6page)

DOI: 10.5302/J.ICROS.2021.21.0157

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this study, we propose a Faster R-CNN-based marine debris detection algorithm for an embedded system. First, the trash annotations in context (TACO) dataset, which is an open image dataset of waste in the wild, is used to build a training image dataset of marine debris. To enhance the amount of our training dataset, we included images of the TACO unofficial dataset, which has not been reviewed by the TACO research team. To this end, we manually screened the appropriately annotated images from the TACO unofficial dataset. In addition, only seven most frequently discovered classes in the ocean are selected from the TACO datasets to enable efficient learning. The utilization of MobileNet as the backbone network of the proposed Faster R-CNN model enables a faster inference time compared to those of conventional models. In addition, the backbone network was fine-tuned on the TACO dataset to improve the feature extraction performance of the model. Lastly, the real-time operability of the proposed algorithm was verified by porting the model to Jetson Xavier NX.

#Faster R-CNN #MobileNetV3 #marine debris detection #object detection #embedded system

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-003-000045304

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)