표제지
요약
목차
제1장 서론 10
1.1. 연구 배경 및 목적 10
1.2. 연구 범위 및 방법 12
제2장 관련연구 14
2.1. 딥러닝(Deep Learning) 14
2.2. 객체 식별(Object Detection)기법 19
2.3. YOLO(You Only Look Once) 25
제3장 전차 국적 분류방법 29
3.1. 데이터 수집 및 전처리 31
3.2. 데이터 레이블링 33
3.3. 데이터셋 구성 34
제4장 실험 및 평가 35
4.1. 모델 성능 평가 척도 35
4.2. 평가 척도에 의한 결과 분석 39
4.3. 테스트 데이터에 의한 평가 43
제5장 결론 47
참고문헌 48
Abstract 52
〈표 2-1〉 기존 무기체계 객체 탐지 및 분류 연구 비교 24
〈표 3-1〉 실험을 위해 구성한 환경 30
〈표 3-2〉 전차 사진 데이터 수 31
〈표 3-3〉 전차 사진 처리 32
〈표 3-4〉 데이터셋 구성 34
〈표 4-1〉 mAP 예제 검출결과 37
〈표 4-2〉 mAP 예제 Precision-Recall 37
〈표 4-3〉 평가 척도에 의한 데이터셋 별 결과 비교 39
〈표 4-4〉 Data Set 및 Class 별 AP값 비교 40
〈표 4-5〉 Data Set 별 Loss값 비교 40
〈그림 1-1〉 전차 식별 시스템 11
〈그림 1-2〉 각 국가의 주력전차 종류(예) 13
〈그림 2-1〉 인공지능, 머신러닝, 딥러닝과의 관계 14
〈그림 2-2〉 인공신경망 15
〈그림 2-3〉 합성곱층 연산과정 17
〈그림 2-4〉 기존 인공신경망과 CNN의 구조 비교 18
〈그림 2-5〉 분류와 객체식별 19
〈그림 2-6〉 Object Detection 주요 논문 흐름도 21
〈그림 2-7〉 R-CNN 기본구조 22
〈그림 2-8〉 YOLOv1 구조 25
〈그림 2-9〉 YOLOv3 구조 26
〈그림 2-10〉 YOLOv4 구조 27
〈그림 2-11〉 crop과 warp의 예 28
〈그림 3-1〉 연구과정 29
〈그림 3-2〉 전차 사진 레이블링 33
〈그림 3-3〉 레이블링 파일 33
〈그림 4-1〉 IoU 측정방법 35
〈그림 4-2〉 TP, FN, FP, TN의 의미 36
〈그림 4-3〉 PR곡선의 예시 38
〈그림 4-4〉 AP 계산을 위한 그래프 예시 38
〈그림 4-5〉 데이트셋 별 mAP와 Average IoU 비교 41
〈그림 4-6〉 Set 5의 mAP와 Loss 그래프 42
〈그림 4-7〉 각 나라의 주력전차 테스트 데이터 43
〈그림 4-8〉 각 상황별 테스트 데이터 44
〈그림 4-9〉 각 나라의 주력전차 영상 식별 결과 45
〈그림 4-10〉 각 상황별 영상 식별 결과 46