야생동물 영상인식 딥러닝 학습결과 51. 야생동물 영상인식 딥러닝 소프트웨어 개발에 관한 연구. 영상 인식을 위한 딥러닝 분야의 선행 연구 사례를 소개합니다.
딥러닝을 활용한 컴퓨터 비전 기법
백그라운드 모델링 중 전처리와 후처리가 필요합니다. 배경 추출 알고리즘 자체도 중요하지만 이미지 노이즈를 제거하는 전처리, 후처리 과정도 중요합니다.
딥러닝 기반의 객체 검출 알고리즘 사례
전처리) 배경 추출시 야생동물이 영상 초반부에 나오지 않고, 중간부터 나오는 것이 이상적입니다. 하지만 무인 센서 카메라의 특성상 이 조건을 만족하는 영상이 많지 않기 때문에 영상을 역방향으로 재생하는 방법은 전처리 과정이라고 볼 수 있다. . 후처리) 야생동물의 형태를 유지하면서 작은 노이즈를 제거하기 위해 형태학적 계산을 적용하는 것을 고려할 수 있습니다.
가. R-CNN
야생동물 영상인식을 위한 딥러닝 소프트웨어 개발에 관한 연구. 학습에 관한 이전 연구 사례 조사(R-CNN) CNN을 사용하여 구현된 RPN은 경계 상자 제안을 생성하고 각 경계 상자에 대한 원본 이미지를 제공합니다. 절단하여 분류를 수행합니다. 경계 상자 제안별로 분류를 수행하기 때문에 계산 속도가 매우 느립니다.
Fast R-CNN) R-CNN의 병목구조를 개선하였습니다. CNN으로 전체 이미지에서 특징을 추출한 후 원본 이미지가 아닌 특징 맵에서 절단 및 분류를 수행합니다. 주야간 이미지뿐만 아니라 동물의 일부나 흐릿한 이미지도 식별이 가능하지만, 특정 종 식별은 불가능합니다. 야생 동물 카메라 트랩 정보를 플랫폼에 통합할 때 카메라 트랩 장면을 수동으로 선택 → 노동 집약적입니다.
전처리) 분류를 용이하게 하기 위해 가우시안 필터로 이미지를 흐리게 한 다음 원본 이미지와 겹치는 이미지 간의 차이를 제거합니다. (1단계) 이미지에서 동물을 감지합니다(MegaDetector 사용). 2단계) 동물 종 분류(TensorFlow로 훈련된 InceptionV3 네트워크를 기반으로 하는 특수 분류기로 전달됨) 전처리) 이미지에 CLAHE5(Contrast Limited Adaptive Histogram Equalization) 알고리즘을 적용합니다. (1단계) 이미지에서 동물 정보를 추출합니다. 경계 상자 생성(MegaDetector 사용, 신뢰도가 50%보다 높은 경우에만)(2단계) Pytorch를 사용하여 사전 훈련된 ImageNet(ResNet506)을 분석합니다.
나. YOLO
선박해양플랜트연구소: 딥러닝 객체 감지를 활용한 해양사고 감지 모델 개발. 수확된 작물의 품질을 평가하고 불량품을 분류하기 위한 피부 분석 모델 개발. MegaDetector를 이용한 동물 탐지 알고리즘 구현.
MegaDetector는 이미 대규모 데이터 세트에 대해 훈련을 받았고 추가 비용 없이 다운로드할 수 있으며 1단계 모델보다 성능이 뛰어난 Faster R-CNN을 사용합니다. 원활한 학습을 위해 학습 데이터 세트를 직렬화하는 도구가 함께 배포되며, 학습 과정을 모니터링하기 위한 텐서보드가 이미 설정되어 있습니다. 모델을 처음부터 학습하는 것이 아니라, 사전 학습된 모델을 최대한 활용하면 효과적인 연구를 수행할 수 있습니다.
하지만 메가디텍터는 동물종을 감지하지 못하므로(동물, 차량, 사람만 감지) 추가적인 데이터 처리가 필요합니다. - 모니터링을 위해 수집된 데이터 파일명에 동물종명(국가명)이 기재되어 있습니다. 국립공원의 생태통로를 이용할 수 있습니다. 기존 객체 감지 모델은 전처리 모델이 다릅니다. 인공신경망의 조합을 사용하였지만 YOLO는 통합모델을 사용하므로 간편하고 실시간으로 물체를 감지할 수 있다. → Faster R-CNN보다 6배 빠르지만 작은 물체에 대해서는 상대적으로 낮은 정확도를 보인다9). 본 연구에서는 대용량 데이터를 처리하는 특성과 기존 컴퓨터의 성능을 고려할 때 백본 크기가 가장 작지만 속도가 빠른 YOLOv5s를 선택했다.
생태통로 및 무인센서카메라 현황 분석
- 생태통로 운영·관리 현황
- 국립공원 생태통로 무인센서카메라 현황 3. 국립공원 생태통로 시범지역 선정
- 생태통로 운영·관리 현황
- 본 지침에서 다루는 구조물 유형
- 국립공원 생태통로 무인센서카메라 현황
- 국립공원 생태통로 시범지역 선정
생태통로 및 무인센서카메라 현황 분석. 생태통로 및 무인센서카메라 현황 분석. 2. 생태통로 주변 환경에 서식하는 야생동물의 현황 2.
생태통로 주변 도로에서 발생한 야생동물 사고 현황. 국립공원 생태통로의 무인센서 카메라 현황. 국립공원 생태통로에 설치된 무인센서카메라 현황.
생태통로 및 무인센서카메라 현황 분석. 국립공원 생태통로에 설치된 무인센서카메라 모델 현황. 생태통로 내에 설치된 무인센서카메라의 수와 위치.
국립공원 생태통로를 따라 주로 무인 센서 카메라에 사용되는 모델 비교.
야생동물 영상인식 딥러닝 소프트웨어 시범 개발
- 국립공원 생태통로 모니터링 자료 수집 2. 딥러닝 학습 대상종 선정
- 학습데이터 구축
- 야생동물 영상인식 딥러닝 학습결과
- 국립공원 생태통로 모니터링 자료 수집
- 딥러닝 학습 대상종 선정
- 학습데이터 구축
- 야생동물 영상인식 딥러닝 학습결과
물의 이미지 인식을 위한 딥러닝 소프트웨어의 파일럿 개발. 야생동물 이미지 인식을 위한 딥러닝 소프트웨어 파일럿 개발. 자동 경계 상자 생성 및 훈련 데이터 구성.
훈련 데이터 구성의 경계 상자 상태 자동 생성. 자동 경계 상자 생성 데이터 오탐지. 수동 경계 상자 생성 및 훈련 데이터 구성.
Labelimg를 사용하여 수동으로 경계 상자 만들기(왼쪽) 경계 상자 설정(가운데) 레이블 입력(오른쪽) 결과를 저장할 파일입니다. 야생동물 이미지 인식을 위한 딥러닝 결과. 야생동물 이미지 인식을 위한 딥러닝 소프트웨어의 파일럿 개발.
물 이미지 인식을 위한 딥러닝 소프트웨어의 파일럿 개발.
결론 및 발전방안(2차년도)
학습데이터 구축 발전방안 2. 딥러닝 학습 발전방안
학습데이터 구축 발전방안
딥러닝 학습 발전방안
딥러닝과 컴퓨터 비전을 활용한 드론 표적 탐지 및 추적 연구. 한국항공대학교 대학원 석사 주제. YOLO 알고리즘을 이용한 선박 기관실 화재 감지에 관한 연구.
목포해양대학교 대학원 석사논문. 금오공과대학교 대학원 석사논문. 지능형 제어 시스템을 위한 경량 딥러닝 기반 화재 감지 알고리즘에 관한 연구.
고해상도 영상에서 앙상블 네트워크를 이용한 소형 객체 추적에 관한 연구. 출판사: 국립공원 관리청, 국립공원연구소 홈페이지 www.knps.or.kr.