Scaled-YOLOv4 기반의 산업 현장 안전관리를 위한 모델 학습

프로젝트 개요

Scaled-YOLOv4를 기반으로 건설 현장에서 안전모를 착용한 자와 미착용자를 구분할 수 있는 모델을 학습

Scaled-YOLOv4

Scaled-YOLOv4는 YOLOv4보다 뛰어난 성능을 보이며 높은 정확도와 실시간 추론을 달성할 수 있기 때문에 임베디드 시스템에서 사용하기에도 적합하다.

Scaled-YOLOv4는 EfficientNet과 유사하게 네트워크의 깊이, 너비, 이미지 resolution을 scale별로 최적화 시키는 네트워크를 만들어낸다.

뿐만이 아니라 Neck 역시 scale별로 최적화 시켜서 네트워크를 만들어 낸다.

학습 데이터 구축 및 학습

데이터는 train set과 test set으로 나누었으며 label은 총 3개로 [head, helmet, person]으로 설정하였다.

train set과 test set 폴더에는 이미지와 각각의 이미지별로 객체에 대한 label 번호와 bounding box 좌표 정보가 저장되어 있는 텍스트 파일이 존재한다.

• 입력 이미지 크기: 640x640
• 초기 학습률 (initial learning rate): 0.01
• 모멘텀 (momentum): 0.937
• 가중치 감소 (weight decay): 0.0005
• 배치 사이즈 (batch size): 15
• 데이터 증대 기법: mixup

예시

결론

산업 현장 안전관리를 위해 데이터를 수집하고 Scaled-YOLOv4 모델을 이용하여 학습을 진행하였다.

학습 시간이 길지 않았기 때문에 높지 않은 mAP 66%의 결과를 얻었다.

시간적 여유가 많지 않아서 더욱 아쉬움이 남지만 향후 연구에서 더 많은 시간을 투자하여 더욱 좋은 결과를 얻을 수 있을 것으로 보인다.

뒤로가기