인공지능기반의 유사객체 인식모델을 위한 인식오류 저감법 및 구조에 관한 연구
A Study on the Error Reduction Method and Structure for the Similar Objects Recognition with AI Model
한준수(한국기술교육대학교); 김종원(한국기술교육대학교)
23권 2호, 30~37쪽
초록
본 논문은 유사 객체 군집 내에서 개별 객체 인식을 위한 인공지능 기반 객체 인식 모델의 인식 오류 개선 방법과 모델의 구조개선을 연구하는데 그 목적이 있다. 인공지능 기반 객체 인식 모델은 객체 데이터를 이용한 학습 과정을 통해 인식 대상 영역에 존재하는 대상 객체를 인식한다. 그러나 인식 대상 영역에 존재하는 객체들의 특징이 유사한 경우 유사 객체들을 개별적으로 구분할 때 인식 오류가 발생한다. 이에 인식 오류를 줄이기 위한 방법들과 인식모델의 구조개선에 대한 다양한 연구 결과를 분석하여 현재 사용되고 있는 인식 모델의 인식 오류를 개선하기 위한 새로운 모델 구조와 방법을 제안한다. 유사 객체 군집의 대표적인 환경인 실시간 축구경기 비디오 이미지를 이용하여 제안된 인식 모델과 방법의 효과성을 기존의 방법과 비교하여 정량적으로 검증하였다. 본 연구에서는 동일한 색상의 유니폼을 착용한 유사한 축구 선수 그룹에서 유사 객체 그룹에 대한 개별 객체 인식 오류의 특징으로 구분하였고, 이전 모델의 구조 변형과 새로운 검출 방법의 적용을 통해 객체 인식 오류가 개선됨을 결과로 확인하였다. 따라서 본 연구에서 제안된 인식모델의 구조와 방법을 통해 실시간 객체인식 모델의 성능을 더욱 향상시킬 수 있었으며, 유사 객체 그룹에서 개별 객체의 구분이 필요한 다양한 산업 분야에서 활용될 것으로 기대한다.
Abstract
This paper improves the recognition error improvement method and model structure of the artificial intelligence-based object recognition model for individual object recognition within similar object clusters. The artificial intelligence-based object recognition model recognizes a target object in the recognition target area through a learning process using object data. However, when the characteristics of objects in the recognition target area are similar, recognition errors occur while classifying similar objects individually. Hence, a new model structure and method were proposed to improve the recognition error of the currently used recognition model. This improvement is achieved by analyzing various research results on the method to reduce recognition error and the structural improvement of the recognition model. The effects of the proposed recognition model and method were quantitatively verified. This verification compared the proposed model and method with the existing methods using real-time soccer game video images representing environments of similar object clusters. Therefore, the structure and method of the recognition model proposed in this study can further improve the performance of the real-time object recognition model. It is also expected to be used in various industrial fields requiring individual object classification of similar object groups.
- 발행기관:
- 한국산학기술학회
- 분류:
- 공학일반