Single Shot Multibox Detector를 적용한 실시간 선박 검출 및 분류 시스템 개발 (Development of Real-Time Ship Detection and Classification System Using Single Shot Multibox Detector)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 데이타베이스연구 / 36권 / 1호 / 93 ~ 105페이지
· 저자명 : 김용한, 현정환, 권준호, 송길태

초록

최근 다양한 이동체에서 주변 환경 및 상황인지를 위해 영상 데이터 분석을 위한 다양한 딥러닝 기반 객체검출 및 분류 기술이 개발되고 있다. 또한 드론 및 영상 기술의 발전은 해상 환경에서 자율운항선박 시스템 구축에 대한 관심으로 이어지고 있다. 이러한 자율운항선박을 구현하는데 있어 주요한 문제 중 하나가 실시간 영상 데이터를 이용하여 해상 선박과의 충돌을 피하도록 하는 것이다. 이를 위해서는 카메라를 통해 수집된 영상 및 이미지 데이터를 분석하여 선박을 정확하게 실시간으로 검출하고 분류하는 것이 필요하다.
본 논문에서는 자율운항선박 시스템 구현에 있어 필수적인 요소인 영상 및 이미지 데이터 기반 실시간 선박 검출 및 분류를 위한 딥러닝 소프트웨어 개발을 제안한다. 이를 위해 하나의 이미지만으로 여러 가지 크기의 선박을 검출하기 위해 다중 스케일 특징 맵을 이용하는 SSD (Single Shot Multibox Detector) 기법을 적용한다. 1×1과 3×3 및 5×5 컨볼루션 필터의 병렬 구조를 통해 특징을 효율적으로 추출하고 이전의 입력으로 1×1 컨볼루션을 추가하여 채널을 줄임으로써 연산량을 감소시키는 Inception 모델을 SSD 구조의 베이스네트워크로 적용한 실시간 선박 검출 및 분류 시스템을 구현하였다. 또한 MobileNet을 베이스 네트워크로 하여 SSD-MobileNet을 적용하여 커널의 크기와 채널의 수를 줄인 모델을 기반하여 선박 검출 및 분류 시스템도 개발하였다. 이를 통해 두 모델에 기반한 선박 검출 및 분류 시스템의 성능과 Trade-off를 정밀도와 처리속도에 관점에서 비교해보았다. 그리고 본 논문에서 개발된 시스템과 기존 개발된 Faster R-CNN 기반선박 검출 및 분류 시스템과 비교하여 성능을 검증하였다. 그 결과 본 논문에서 제안한 시스템이 기존 Faster R-CNN 기반 시스템보다 더 정확하고 빠른 처리속도로 선박을 검출하고 분류하였다. 이를 통해 실시간 선박영상 데이터를 보다 정확하게 분석할 수 있게 되어 자율운항선박 시스템 실현을 더욱 앞당길 수 있을 것으로 기대된다.

영어초록

Recently various deep learning approaches for object detection and classification have been developed to recognize real time environments and situations in mobile devices. Advanced technologies in drone and video also result in raising attention to the development of maritime autonomous surface ship. In such systems, it is one of major problems to prevent ships from colliding. To avoid the collisions among ships, it is required to detect and classify ships in real time using the collection of video data.
In this paper, we propose a software system that detects and classifies ships in real time from video and images using a deep learning. We apply the SSD (Single Shot Multibox Detector) technique to detect ships of different sizes using one image. We developed a system using the Inception model as the base network of the SSD structure, which reduces computations by efficiently extracting features through parallel structures of 1×1 and 3×3 and 5×5 convolution filters (SSD-Inception). We added a 1×1 convolution layer to previous inputs to reduce the number of channels. We also implemented another system using MobileNet as the base network to reduce the kernel size and the number of channels (SSD-MobileNet). We evaluated these two models in terms of the speed of ship detections and the precision of classification using validation data.
We compared our proposed methods with an existing method based on the Faster R-CNN. Our method outperformed in our performance evaluation. We expect that our system can contribute to develop the maritime autonomous surface ship via the accurate analysis of real time ship video data.

참고자료

· 없음