드론영상을 위한 앵커기반 물체검출방법 연구

Abstract

최근 스마트 드론이 물품수송, 재해감시, 시설물 안전진단, 순찰, 레저 스포츠 등 굉장히 다양한 분야에서 활용되고 있다. 그리고 드론이 촬영하는 영상의 시점은 기존 지상의 영상 촬영보다 훨씬 넓은 장소를 한번에 볼 수 있는 장점이 있다. 본 연구에서는 드론 영상으로 컨볼루션 신경망을 학습시켜 물체 검출하는 방법을 제안하였다. 본 연구는 산림지, 관광지, 도심지를 대상으로 드론을 통해 취득한 4k 고화질 영상 데이터를 기반으로 물체검출 알고리즘(SSD, Faster R-CNN, RetinaNet, Bottleneck을 적용한 SSD)을 활용하여 각 모델별 실험 결과를 비교 및 분석하였다. 산림지, 관광지, 도심지는 각각 6, 17, 17개의 물제 종류를 가지고 있으며, 30m, 60m, 100m 이하의 고도별 데이터도 포함하고 있다. 도심지 기준 각 모델별 결과값은 0.801, 0.964, 0.696, 0.918 mAP 순으로 Faster R-CNN이 가장 높았으며, one-stage 검출 알고리즘인 SSD, RetinaNet보다 two-stage 검출 알고리즘인 Faster R-CNN이 드론 영상에서 물체를 검출하는데 더 좋은 성능을 보인다는 것을 확인하였다. 하지만 Faster R-CNN의 처리속도는 실시간에 적용될 수 없을 만큼 느렸다. SSD에 bottleneck을 적용하여 연상량을 절감시킴으로써, 실시간 처리속도를 확보하며 학습모델의 성능을 0.918mAP까지 향상시켰다.