Earticle

초록

영어

In this paper, we propose both Dense grid model and Anchor model to improve the recognition rate of dynamic objects. Two experiments are conducted to study the performance of two proposed CNNs models (Dense grid model and Anchor model), which are to detect dynamic objects. In the first experiment, YOLO-v2 network is adjusted, and then fine-tuned on KITTI datasets. The Dense grid model and Anchor model are then compared with YOLO-v2. Regarding to the evaluation, the two models outperform YOLO-v2 from 6.26% to 10.99% on car detection at different difficulty levels. In the second experiment, this paper conducted further training of the models on a new dataset. The two models outperform YOLO-v2 up to 22.40% on car detection at different difficulty levels.

한국어

본 논문은, 동적인 객체의 인식률 향상을 위해 고밀도 그리드 모델과 앵커 모델을 제안하 였다. 두 가지 실험은 수행하여 제안하는 CNN 모델들을 제안하였다. 첫 번째 실험에 있어서, YOLO-v2모델을 KITTI 데이터 셋에 적용시켜 보았고, 고밀도 그리드 모델과 앵커 모델을 기 존 YOLO-v2와 비교하였다. 실험에 있어서, 본 논문에서 제안하는 두 가지 모델은 기존의 YOLO-v2모델에 비하여 ‘어려움’ 난이도의 자동차 검지에 있어서 6.26%에서 10.99%까지 우 수한 성능을 나타낸 것을 확인하였다. 두 번째 실험에 있어서는 새로운 데이터 셋을 학습하 였고, 두 가지 모델은 기존의 YOLO-v2모델보다 22.4%까지 ‘어려움’ 난이도의 자동차 인식률 향상이 있음을 확인할 수 있었다.

목차

요약
 ABSTRACT
 Ⅰ. 서론
  1. 개요
 Ⅱ. 제안하는 방법
  1. 실험 1
  2. 실험 2
  3. 토의
  4. 고찰
 Ⅲ. 결론
 ACKNOWLEDGEMENTS
 REFERENCES

키워드

저자

• 윤보른 [ Borin Yun | 인하대학교 컴퓨터공학과 석사과정 ] 주저자
• 이선우 [ Sun Woo Lee | 인하대학교 컴퓨터공학과 석사과정 ] 공저자
• 최경호 [ Ho Kyung Choi | 목포대학교 정보전자공학과 교수 ] 공저자
• 이상민 [ Sangmin Lee | 인하대학교 전자공학과 교수 ] 공저자
• 권장우 [ Jang Woo Kwon | 인하대학교 컴퓨터공학과 교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338