연구과제 참고 목록

연구과제

✔ YOLO의 객체 인식 결과를 다른 시스템이나 학습에 입력하는 응용/논문/코드 조사 🔥

    강화학습 이론, 코드, 응용 등 분석(책 빌렸음)

 

검색 키워드

• object tracking
• yolo object tracking
• 강화학습 multi agent

 

 

---

 

 

object tracking, yolo object tracking

 

이론

https://eehoeskrap.tistory.com/90

[Object Tracking] 객체 탐지 및 추적 방법 (1)

https://kmhana.tistory.com/22

영상 분석(Video Analysis) 이란? - Tracking ①

 

- 위키백과 : 비디오 추적 은 카메라를 사용하여 시간이 지남에 따라 움직이는 물체(또는 여러 물체) 를 찾는 과정으로, 인간-컴퓨터 상호 작용, 보안 및 감시, 비디오 통신 및 압축 , 증강 현실 , 교통 제어, 의료 영상 [1] 및 비디오 편집 등 다양한 용도로 사용됨

https://en.wikipedia.org/wiki/Video_tracking

Video tracking - Wikipedia

 

---

 

논문

 

 

1.  딥 러닝 및 칼만 필터를 이용한 객체 추적 방법

객체 탐지 분야에서는 CNN의 성능을 향상하고자 R-CNN 등 다양한 알고리즘이 등장하였으며, 최근에는 검출 속도 향상을 위해 YOLO(You Only Look Once), SSD(Single Shot Multi-box Detector) 등의 알고리즘이 제안되고 있다. 하지만 이러한 딥러닝 기반 탐지 네트워크는 정지 영상에서 탐지의 성공 여부를 결정하기 때문에 동영상에서의 안정적인 객체 추적 및 탐지를 위해서는 별도의 추적 기능이 필요하다. 따라서 본 논문에서는 동영상에서의 객체 추적 및 탐지 성능 향상을 위해 딥 러닝 기반 탐지 네트워크에 칼만 필터를 결합한 방법을 제안한다. 탐지 네트워크는 실시간 처리가 가능한 YOLO v2를 이용한다.

https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=JAKO201917659636990&dbt=NART 

딥 러닝 및 칼만 필터를 이용한 객체 추적 방법

https://scienceon.kisti.re.kr/commons/util/originalView.do?cn=JAKO201917659636990&oCn=JAKO201917659636990&dbt=JAKO&journal=NJOU00291434 

원문보기 - ScienceON

 

 

2. YOLO 네트워크와 추적 기법을 이용한 보행자 검출

영상 내 보행자의 위치나 움직임을 파악함으로써 위험 지역이나 보안 지역에 접근하는 보행자를 찾아낼 수 있다. 일반적인 딥 러닝 기반의 물체 검출기는 멀리 있는 보행자와 같은 작은 물체를 검출 하는 데에 적합하지 않다. 또, 검출을 수행하기 위해서 큰 계산량을 필요로 하기 때문에, 동영상의 매 프레임 마다 수행하기 부적합 하다는 단점이 있다. 본 논문에서는 작은 물체도 잘 검출할 수 있도록 기존 YOLO 네트워크의 구조를 변경하고, 보행자 데이터를 이용하여 추가로 학습함으로써 보행자를 검출하는 성능을 증가시켰다. 그리고 검출한 보행자들에 대해 추적 기법을 이용함으로써, 동영상의 매 프레임 마다 검출을 수행하는 것을 피할 수 있도록 하였다. 실제로 DukeMTMC Dataset을 이용하여 실험을 해본 결과, YOLO 네트워크의 구조를 변경하고 추가 학습을 함으로써 검출 정확도가 개선되는 것을 확인할 수 있었다.

https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=NPAP12900918&dbt=NPAP 

YOLO 네트워크와 추적 기법을 이용한 보행자 검출

 

 

3. 논문 및 오픈소스가 포함된 포스팅

http://daddynkidsmakers.blogspot.com/2020/06/blog-post.html

딥러닝 기반 객체 추적 방법

 

- deep sort

https://shate-programming.tistory.com/103

[Object Tracking Robot]Study 내용 정리 (2) - DeepSORT

 

4. 인간 행동 분석을 이용한 위험 상황 인식 시스템 구현

본 논문에서는 딥러닝 기반 객체 분석 기법을 적 용한 위험 상황 인식 시스템을 제안하였다. . 제안한 방식은 딥러닝 기반 객체 검출 알고리즘 YOLO v3를 적용하여 실시간 사람 객체를 추출하고, 골격 모델을 사상한 후 사람의 관절 데이터를 추출하 여 ‘기립’, ‘착석’ 및 ‘쓰러짐’을 효과적으로 구분할 수 있는 4개의 특징을 제시하였다. 또한, 객체 추적을 적용하여 ‘배회’ 및 ‘침입’과 같은 위험 사건을 인식하 여 전체적으로 위험 상황을 인식하는 시스템을 제안 하였다.

https://www.koreascience.or.kr/article/JAKO202111841186714.pdf

 

 

5. LSTM 사용한 객체 추적 논문

https://www.koreascience.or.kr/article/CFKO202023758833998.pdf

 

---

 

 

 

강화학습 multi agent

 

 

- 이론?

https://m.blog.naver.com/jk96491/222147514914

Multi-Agent 강화학습 시리즈 8 - ROMA