철책의 이상 상태를 감시하기 위한 임베디드 시스템에서의실시간 객체 탐지 모델 성능 비교 분석 (Comparative Performance Analysis of Object Detection Models in an Embedded System Environment for Real-time Anomaly monitoring of Fences)

서지정보

· 발행기관 : 한국정보통신학회
· 수록지 정보 : 한국정보통신학회논문지 / 28권 / 1호 / 1 ~ 10페이지
· 저자명 : 이호민, 윤동호, 홍성훈

초록

최전방 철책을 넘어 탈북하는 사건이 가끔 일어난다. 국방의 관점에서 일어나선 안될 이런 사고를 예방하기 위해감시 시스템을 보완하는 기술로 실시간 객체 탐지 기술이 효과적일 수 있다. 감시 시스템에 실시간 객체 탐지 기술을적용하고자 SSD, DSSD 및 YOLO V5~V8까지의 모델의 성능을 비교했다. 감시 시스템에 실시간 객체 탐지 모델을적용하기 위해서는 드론 등의 임베디드 시스템에 탑재하는 것이 효과적이기 때문에 임베디드 시스템에서 활용할 수있는 모델을 찾고자 했다. 모델의 성능을 끌어올리기 위해 별도의 시스템을 구성하고 전방 철책과 같은 모델의 이미지로 구성한 소규모 적은 수의 클래스 데이터 세트를 학습시켰다. 학습한 모델을 mAP, 재현률 그리고 FPS를 지표로평가했다. 실험 결과 mAP 지표에서 V5-X 모델이 우수했다. mAP와 재현률을 종합적으로 고려할 때 가장 우수한 모델은 YOLO V8-L이다. 구성한 임베디드 시스템에서 FPS를 측정했을 때 V8-N 모델만이 실시간의 기준인 30 FPS를초과하는 성능을 보였다. V8-N 모델은 예측 정확도는 V8-L 모델과 큰 차이가 없으며 45 FPS를 달성해 실시간의 기준을 충족한다. 실험 결과 V8-N 모델이 임베디드 시스템에서 실시간 객체 탐지 모델로 효과적임을 확인했다.

영어초록

Occasionally, incidents of violations of the Northern Limit Line (NLL) fence occur. From a national defenseperspective, Real-time Object Detection can be effective as a complementary technology to surveillance systems to preventsuch accidents that should not occur. In order to apply Real-time Object Detection for use in embedded systems tosurveillance systems, we compared the performance of models from SSD, DSSD, and YOLO V5 to V8. We trained themodel with the same images as the NLL fence. We used the model in the system configured to improve performance oftrained model. Then, measured mAP, Recall and FPS. The best model considering mAP and Recall is YOLO V8-L. Whenmeasuring FPS, only the V8-N exceeded the real-time standard of 30 FPS and achieved 45 FPS. The V8-N has aprediction accuracy close to the V8-L and meets the standards for real-time FPS, enabling real-time object detection inembedded systems.

참고자료

· 없음