영상처리 기법 기반 겹친 넙치 객체 탐지를 위한 자동 라벨링 방법

• 영문명: An Automatic Labeling Method for Overlapping Paralichthys olivaceus Object Detection based on Image Processing Technique
• 발행기관: 한국스마트미디어학회
• 저자명: 강성왕(Seongwang Kang) 임한규(Han Kyu Lim) 손현승(Hyun seung Son)
• 간행물 정보: 『스마트미디어저널』Vol13, No.11, 59~70쪽, 전체 12쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2024.11.29

국문 초록

수중 환경에서의 객체 탐지는 물체의 겹침, 노이즈, 조명 변화 등으로 인해 어려움이 있으며, 특히 넙치와 같은 수중 생물의 경우 수동 라벨링에 많은 시간과 노력이 필요하다. 본 논문에서는 이러한 문제를 해결하기 위해 영상처리 기법을 활용하여 넙치의 라벨링을 자동화하고 학습을 위한 데이터셋의 크기를 증가 방법을 제안한다. 제안한 방법은 모폴로지 연산과 외곽선 검출 방법을 적용하여 노이즈를 제거하고 객체의 테두리를 정확하게 추출하였으며, YOLOv8 모델을 사용하여 데이터셋의 크기와 학습 방법에 따른 성능 변화를 분석했다. 그 결과, 자동화된 이미지 전처리를 통해 데이터셋을 확대함으로써 겹침이 발생한 객체 탐지에서도 향상된 성능을 얻을 수 있었고, 수동 라벨링에 비해 시간적 효율성이 높음을 확인하였다.

영문 초록

Detecting objects in underwater environments is challenging due to factors such as object overlap, noise, and lighting variations. In particular, labeling underwater organisms like Paralichthys olivaceus requires significant time and effort when done manually. To address these challenges, this paper proposes a method to automate the labeling of Paralichthys olivaceus using image processing techniques and to increase the size of the dataset for training. The proposed method applies morphological operations and contour detection to remove noise and accurately extract object boundaries. Additionally, the YOLOv8 model is used to analyze performance variations based on dataset size and training methods. The results demonstrate that expanding the dataset through automated image preprocessing improves object detection performance, even in cases of object overlap, and proves to be more time-efficient compared to manual labeling.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 영상처리를 통한 자동 라벨링 방법

Ⅳ. 데이터셋에 따른 성능 변화 분석

Ⅴ. 결론

REFERENCES

키워드

겹친 어류 객체 탐지 영상처리 자동 라벨링 모폴로지 연산 Overlapping fish Object detection Image processing Automated labeling Morphological operations