메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이태희 (지능형자동차부품진흥원) 박영석 (엠제이비전테크) 김영모 (경북대학교) 최두현 (경북대학교)
저널정보
한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제29권 제3호
발행연도
2021.3
수록면
283 - 288 (6page)
DOI
10.7467/KSAE.2021.29.3.283

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
A method for counting the running and queuing vehicles through installed traffic surveillance cameras at intersections has been studied for a long time. Recent research via deep learning has shown many breakthroughs with high performance results that were not achieved with traditional machine learning algorithms. In the field of object detection, these algorithms have shown high accuracy in real traffic environments, but have relatively low accuracy concerning small vehicles over a long distance, the number of which is required in counting queuing vehicles. In this paper, we are proposing a method to improve detection performance by optimizing the size of the CNN network and the size of the input image by using an open source-based, deep learning framework, YOLO, to increase the detection accuracy of small vehicles over a long distance. This study aims to improve the accuracy of vehicle counting by as much as 4.6 % over the existing method.
#Vehicle detection(차량 검출) #Deep learning(딥러닝) #Convolutional neural network(합성곱신경망) #Traffic surveillance data(교통감시데이터) #YOLO(You Only Look Once, 욜로)

목차

Abstract
1. 서론
2. 교통 감시 카메라를 이용한 지능형 교통 체계 구축 기술 동향
3. YOLO v3의 Darknet 53을 이용한 차량 검출 방법
4. 실험결과
5. 결론
References

참고문헌 (10)

참고문헌 신청
한병길 / 2015 / Real-Time License Plate Detection in High-Resolution Videos Using Fastest Available Cascade Classifier and Core Patterns / ETRI Journal 37(2):251~261 Crossref K. Kim / 2018 / Vehicle Color Recognition via Representative Color Region Extraction and Convolutional Neural Network / Proceedings of the 10th International Conference on Ubiquitous and Future Networks (ICUFN) :89~94 google schola L. Wen / A New Benchmark and Protocal for Multi-object Detection and Tracking google schola K. Kim / 2019 / Multi-Scale Detector for Accurate Vehicle Detection in Traffic Surveillance Data / IEEE Access 7:78311~78319 google schola 이태희 / 2018 / CCTV 영상 기반 딥 러닝을 이용한 차량 및 보행자 계수방법 / 한국지능시스템학회 논문지 28(3):219~224 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

YOLO와 CNN을 이용한 강인한 차량 번호판 인식 시스템 구현
김재정 ,  김창복 한국정보기술학회논문지 2021 .04
자율주행용 임베디드 플랫폼 탑재를 위한 YOLOv4 기반 객체탐지 경량화 모델 개발
심이삭 ,  임주형 ,  장영완 외 3명 한국자동차공학회논문집 2021 .10
결함검출 적용을 위한 YOLO 딥러닝 알고리즘 비교
김익수 ,  이문구 ,  전용호 한국생산제조학회지 2021 .12
클라우드 서버 환경에서 Lidar 센서와 Yolo v3 라이브러리를 이용한 360도 영상 인식 시스템 구현
조국한 ,  조현우 ,  송영준 한국정보기술학회논문지 2020 .02
YOLO-v5를 이용한 등검은말벌집 탐색 기술 연구
정유석 ,  전문석 ,  김수배 외 6명 Journal of Apiculture 2022 .09

최근 본 자료

전체보기

댓글(0)

0