http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
전용호(Y. H. Jeon),김익수(I. S. Kim),이문구(M. G. Lee) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 객체 탐지의 수요가 많아지면서 자율 주행, 보안, 분류 작업 등 컴퓨터 비전 분야에 적용되고 있다. 하지만 많은 모델들 가운데 어떤 모델을 쓸 때 본인의 연구에 최적의 결과가 나오는지에 대한 비교가 필요하다. 따라서 본 연구에서는 객체 탐지 알고리즘인 YOLO (You Only Look Once)v5 를 가중치 별로 나누어 모델 간의 비교 분석을 통해 어떤 알고리즘이 가장 효율적인지 비교 및 분석하였다. 비교 분석 모델로는 YOLOv5s, m, l 총 세 가지이며 실험 조건은 데이터 셋 5,982 개, 이미지 사이즈, 416 × 416, Epochs 500 으로 동일하게 설정했다. 또한 이미지 데이터를 Train, Validation, Test 로 나누었고 각각 70, 20, 10%이다. 실험 결과 YOLOv5s 의 객체 탐지 속도가 140 fps 로 가장 빨랐다. YOLOv5m, l 은 객체 탐지 속도에서 비슷한 결과를 보였다. Precision 은 YOLOv5l 이 96.24%로 YOLOv5m 보다 0.9%, YOLOv5s 보다 2%가량 높았다. Recall 도 마찬가지로 YOLOv5l 이 92.61%로 가장 높았다. 결과적으로 객체 탐지 속도를 중점적으로 본다면 YOLOv5s 를 이용한다면 좋은 결과가 나올 것으로 예상되고 YOLOv5l 의 정확도가 다른 모델보다 1-2%가량 높았기 때문에 객체 탐지의 정확도를 중점적으로 보았을 때 가장 알맞은 모델이라고 볼 수 있다.