Feature Pyramid Network 기반 원거리 드론 검출 방법 (Feature Pyramid Network-based Long-Distance Drone Detection Method)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 48권 / 3호 / 325 ~ 333페이지
· 저자명 : 권정인, 손소희, 전진우, 이인재, 차지훈, 최해철

초록

드론이 보편화되면서 드론에 의한 사고에 대응하기 위한 감시 시스템의 필요성이 제기되고 있다. 드론은 비행 속도가 빠르므로 원거리에서 미리 검출을 해야 한다. 하지만, 원거리 영상의 경우 목표물의 크기가 매우 작고 복잡한 배경을 포함할 수 있어 최근 객체 탐지 분야의 딥러닝 기술을 이용하더라도 오검출률이 매우 높다. 따라서 본 논문에서는 소형 목표물에 높은 성능을 갖는 네트워크인 feature pyramid network의 검출 결과에서 복잡한 배경으로 인한 오검출을 효과적으로 감소시킬 수 있는 멀티 프레임 기반 후처리 방법을 제안한다. 제안된 후처리 방법은 전후 프레임에서 검출된 객체 사이의 위치 차이 및 크기 차이를 비교하여 오검출 여부를 판단한다. 또한 딥러닝 네트워크의 학습을 위하여 직접 촬영한 360개의 드론 영상에서 확보한 44,986장의 주석이 달린 드론 데이터 세트를 구축하였다. 제안 후처리 방법을 적용하였을 경우 모든 평가 시퀀스의 false positive가 80% 이상 개선됨과 동시에 F-measure도 증가하는 결과를 보였다.

영어초록

With the rapid development in the field of drones, the need for a surveillance system to prevent accidents caused by drones has increased. Considering the high speed of drones, they must be detected from a distance. In long-distance images, the target size is very small and the background can be complex. Even if a deep learning technique is used for object detection the false detection rate remains very high. This paper introduces a multi-frame based post-processing method that can effectively reduce the false detection rate of feature pyramid network (FPN), which works well for tiny-object detection. The proposed post-processing method indexes detected objects and compares the distance and size difference concerning the corresponding objects of the previous frame to determine whether it is a false positive (FP) or not. FPN is trained on 44,986 images with annotations from 360 image sequences taken by hand. Experimental results show that the proposed method reduces the FP rate overall evaluation sequences by more than 80% and also increases the F-measure.

참고자료

· 없음