Earticle

초록

영어

This paper proposes a computer vision and deep learning-based technique for surveillance camera system for vehicle counting as one part of parking lot management system. We applied the You Only Look Once version 2 (YOLOv2) detector and come up with a deep convolutional neural network (CNN) based on YOLOv2 with a different architecture and two models. The effectiveness of the proposed architecture is illustrated using a publicly available Udacity’s self-driving-car datasets. After training and testing, our proposed architecture with new models is able to obtain 64.30% mean average precision which is a better performance compare to the original architecture (YOLOv2) that achieved only 47.89% mean average precision on the detection of car, truck, and pedestrian.

한국어

본 논문에서는 주차장 관리 시스템의 한 부분으로 차량 계수를 위한 감시 카메라 시스템의 컴퓨터 비전과 심층 학습 기반 기법을 제안하고자 한다. You Only Look Once 버전 2 (YOLOv2) 탐지기를 적용하고 YOLOv2 기반의 심층 컨볼루션 신경망(CNN)을 다른 아키텍처와 두 가지 모델로 구성하였다. 제안 된 아키텍처의 효과를 Udacity의 자체 운전 차량 데이터 세트를 사용 하여 설명하였다. 학습 및 테스트 결과, 자동차, 트럭 및 보행자 탐지 시 원래 구조(YOLOv2)의 경우 47.89%의 mAP를 나타내는 것에 비하여, 제안하는 모델의 경우 64.30 %의 mAP를 달성하 여 탐지 정확도가 향상되었음을 증명하였다.

목차

요약
 ABSTRACT
 Ⅰ. INTRODUCTION
 Ⅱ. RELATED WORK
  1. Traditional Approach
  2. Deep CNN-based Object Detection
 Ⅲ. METHODOLOGY
  1. YOLO Object Detection
  2. YOLOv2 Architecture (S1)
  3. Our Proposed Architecture (S2)
 Ⅳ. EXPERIMENTS
  1. Data Collection and Processing
  2. Training
  3. Parking Lot Environment Simulation
 Ⅴ. RESULTS
 Ⅵ. CONCLUSION AND FUTURE WORK
 ACKNOWLEDGEMENTS
 REFERENCES

키워드

주차장 관리 물체 감지 컴퓨터 비전 기계 학습 감시 카메라 deep convolutional neural network Parking lot management Object detection Computer vision Machine learning Deep convolutional neural network Surveillance camera.

저자

• 림 쿠이 송 [ Kuoy Suong Lim | 인하대학교 컴퓨터공학과 석사과정 ] 주저자
• 권장우 [ Jang woo Kwon | 인하대학교 컴퓨터공학과 교수 ] 교신저자

참고문헌

발행기관

간행물