3편의 한국어 분석 — 최신순으로 정렬했어요
복잡한 과수원 환경에서 감귤류 과일의 밀집 분포, 잎사귀 가림, 작은 크기로 인해 발생하는 낮은 검출 정확도, 높은 오탐율, 모델 경량화의 한계점을 해결하고자, 개선된 YOLO11 아키텍처 기반의 경량 소형 객체 감귤류 검출 모델인 SOCD-YOLO를 제안한다. 본 연구는 세 가지 핵심 개선사항을 포함한다. 첫째, Triplet Attention 메커니즘과 요소별 곱셈을 통합한 DLTBlock을 설계하여 C3k2 모듈을 재구성함으로써 고차원 특징의 비선형 융합을 강화하고, 잎사귀 가림 및 복잡한 배경 간섭을 효과적으로 억제하여 과…
장거리 오일 및 가스 파이프라인의 안전한 운영을 위해 외부 방식 코팅의 무결성 확보는 매우 중요합니다. 건설 현장 이미지는 복잡한 배경, 다중 스케일 객체, 그리고 길거나 경계가 불분명한 코팅 상태를 포함하여, 낮은 겹침 조건에서 기존 바운딩 박스 회귀에 어려움을 줍니다. 본 연구는 장거리 천연가스 파이프라인 건설 현장에서 수집한 1388개의 이미지와 6가지 코팅 상태 범주에 걸친 1756개의 주석 인스턴스로 구성된 실제 현장 데이터셋을 구축했습니다. YOLOv10n을 기반으로, 훈련 중 객체의 스케일과 종횡비에 따라 NWD(No…
딥러닝 기반 컴퓨터 비전 분야에서 YOLO는 혁신적인 모델이지만, 모든 YOLO 모델이 학술 논문이나 아키텍처 다이어그램을 제공하지 않아 모델 이해에 어려움이 있습니다. 기존 연구 또한 각 모델을 포괄적으로 다루지 못했습니다. 본 연구는 YOLOv8부터 YOLO11까지의 아키텍처를 심층적으로 비교 분석하여, 독자들이 각 모델의 작동 방식과 차이점을 신속하게 파악할 수 있도록 돕습니다. 각 YOLO 버전의 아키텍처는 관련 학술 논문, 공식 문서 검토 및 소스 코드 분석을 통해 분석되었습니다. 특히, YOLOv8부터 YOLO11까지의…
