카메라를 이용한 영상처리 기술의 발전과 이후 인공지능 기술의 발달로 다양한 분야에서의 적용이 시작되었다. 그러나 경량 보드에서 많은 계산을 요구하는 영상처리 알고리즘을 구현하기는 어렵다. 본 논문은 경량 임베디드 보드에서 실시간 딥러닝 객체 인식 알고리즘을 사용하는 방법을 제안한다. 두 가지 딥 신경망 아키텍처를 적절히 활용하여 경량 임베디드 보드에 적합한 알고리즘을 개발하였다. 첫 번째 아키텍처는 계산량이 적은 대신 정확도가 낮다. 두 번째 아키텍처는 계산량이 크지만 정확도가 높다. 상대적으로 적은 계산으로 의미론적 분할(semantic segmentation)을 수행하는 첫 번째 아키텍처로 영역을 결정한다. 이후 더 정확한 딥러닝 아키텍처로 영역을 마스킹한 뒤, 분할에 의해 이미지를 필터링하고 배경과의 구분(background separation) 등 다양한 변수에 의해 인식되지 않은 경우를 제외함으로써 객체 탐지를 수행하며 정확도를 향상시킨다. 입력 영상 처리를 위해 Python에서 OpenCV(Open source Computer Vision)를 사용하였고, 효율적인 신경망(ENet)과 You Only Look Once(YOLO)를 이용하여 영상을 처리하였다. 이 알고리즘을 실행한 결과, 평균 오차를 약 2.4배까지 감소시켜 보다 정확한 객체 탐지가 가능하였다. 또한 약 4 FPS(frames per second)의 처리 속도를 달성함으로써 경량 임베디드 보드에서도 객체 인식을 실시간으로 수행할 수 있었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.