YOLO기반 화재, 연기 그리고 안개 객체 탐지
YOLO-Based Fire, Smoke And Fog Object Detection
- 주제(키워드) 도움말 객체 탐지 , 안개 , 연기 , 화재 , F1-Score , mAP , YOLOv11
- 발행기관 강릉원주대학교 일반대학원
- 지도교수 도움말 서상민
- 발행년도 2024
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 도움말 일반대학원 정보통신공학과
- 세부분야 해당없음
- 실제URI http://www.dcollection.net/handler/kangnung/000000011996
- UCI I804:42001-000000011996
- 본문언어 한국어
초록/요약 도움말
본 논문은 화재(Fire), 연기(Smoke), 안개(Fog)를 감지할 수 있는 새로운 화재 감지 모델을 제안한다. 기존 연구에서는 화재와 연기 탐지에 주로 집중했지만, 본 연구는 안개(Fog) 클래스를 추가하여 연기와 안개의 혼동을 줄이고, 화재의 초기 진압 가능성을 높이는 데 중점을 두었다. 제안된 모델은 YOLO11 객체 탐지 모델을 기반으로 설계되었으며, C3k2 및 C2PSA와 같은 향상된 모듈을 활용하여 특징 추출과 정보 결합의 효율성을 극대화하였다. 또한, SGD 옵티마이저와 파라미터 미세 조정을 통해 높은 정확도를 달성하였으며, mAP50, mAP50-95, PR Curve, F1-score와 같은 다양한 성능 지표를 통해 평가를 진행하였다. 최종 실험 결과, mAP50 기준으로 안개(Fog)는 0.99, 화재(Fire)는 0.89, 연기(Smoke)는 0.79의 성능을 기록하였다. 연기(Smoke) 클래스의 성능 저하는 데이터의 비정형적 특성과 이미지 특징의 희미함으로 인해 발생하였으며, 이를 개선하기 위해 이미지 피라미드 레이어 확장과 데이터 증강 기법의 활용 가능성을 논의하였다. 추가적으로, YOLO11 모델은 작은 객체부터 큰 객체까지 다중 스케일의 특징을 효과적으로 처리할 수 있는 구조를 가지며, 경량화된 설계를 통해 높은 성능과 계산 효율성을 모두 달성하였다. 본 논문은 이러한 설계와 결과를 바탕으로 향후 화재 감지 시스템의 정교함과 정확도를 높이는 데 기초 자료로 활용될 수 있을 것으로 기대된다.
more목차 도움말
Ⅰ. 서론 1
1. 연구 배경 1
2. 관련 연구 2
3. 연구 목적 3
Ⅱ. 이론적 배경 4
1. YOLO 4
2. YOLO11 Model 6
(1) 손실함수 8
Ⅲ. 딥러닝 구성 9
1. 데이터 세트 9
2. 화재 감지 모델 10
Ⅳ. 훈련 결과 및 성능 평가 11
1. 훈련 결과 11
2. 성능 평가 13
(1) F1-Score 13
(2) mAP, PR Curve 16
Ⅴ. 결론 19
참고문헌 20
Abstract 22
