YOLO V5의 생성 데이터를 이용한 병렬 U-Net 기반 의미론적 분할 방법Parallel U-Net Based Semantic Segmentation Method Using Generated Data from YOLO V5
- Other Titles
- Parallel U-Net Based Semantic Segmentation Method Using Generated Data from YOLO V5
- Authors
- 조국한; 현광민; 송영준
- Issue Date
- Mar-2023
- Publisher
- 한국통신학회
- Keywords
- YOLO V5; Parallel U-Net; semantic segmentation; BDD100K; mIoU; YOLO V5; 병렬 U-Net; 의미론적 분할; BDD100K; mIoU
- Citation
- 한국통신학회논문지, v.48, no.3, pp 319 - 326
- Pages
- 8
- Journal Title
- 한국통신학회논문지
- Volume
- 48
- Number
- 3
- Start Page
- 319
- End Page
- 326
- URI
- https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/26224
- DOI
- 10.7840/kics.2023.48.3.319
- ISSN
- 1226-4717
2287-3880
- Abstract
- 본 연구에서는 객체 인식 모델인 YOLO(You Only Look Once) V5로 바운딩 박스 이미지를 생성하고 이 이미지를 병렬 U-Net에 학습 데이터로 사용하여 의미론적 분할을 수행하는 시스템을 제안 및 구현한다. YOLO V5 학습에는 yolov5s 모델을 사용하고 차량 및 보행자를 바운딩 박스의 형태로 검출하여 이미지를 생성한다. 이렇게생성된 이미지 데이터는 병렬 U-Net의 학습 데이터로 사용한다. 제안한 병렬 U-Net은 원본 이미지와 YOLO V5 에서 출력한 이미지를 병렬 형태로 입력받아 학습하여 의미론적 분할을 수행한다. 제안한 시스템의 검출 성능을평가하기 위해 기존의 U-Net 및 U-Net3+의 의미론적 분할 결과와 비교하였다. YOLO V5의 학습 데이터로는BDD100K(Berkeley Deep Drive 100K)를 사용하였으며 실험 결과, 병렬 U-Net이 기존의 단일 U-Net보다0.1~0.2, U-Net3+보다 0.03~0.15 향상된 mIoU(Mean Intersection over Union)를 얻을 수 있었다.
- Files in This Item
-
- Appears in
Collections - School of Electronic Engineering > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.