YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현

@article{ART002647655},
author={ 조용화 and 이혁재 and 김영훈 },
title={YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현},
journal={융합신호처리학회 논문지},
issn={2765-1134},
year={2020},
volume={21},
number={1},
pages={29-37},
doi={10.23087/jkicsp.2020.21.1.005},
url={http://dx.doi.org/10.23087/jkicsp.2020.21.1.005}

TY - JOUR
AU - 조용화
AU - 이혁재
AU - 김영훈
TI - YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현
T2 - 융합신호처리학회 논문지
PY - 2020
VL - 21
IS - 1
PB - 한국융합신호처리학회
SP - 29-37
SN - 2765-1134
AB - 본 논문은 실시간 영상 분석을 통해서 반려견에 대한 객체를 추출해 내고, 추출된 이미지로부터 반려견 행동을 분류하는 방법을 구현한다. 반려견 객체 탐지를 위해서 Darknet YOLO를 사용하였으며, 추출된 이미지로부터 행동 패턴 분류는 구글에서 제공하고 있는 Teachable Machine을 이용하였다. 학습된 Teachable Machine은 구글 드라이브에 저장되어 node.js 서버 상에서 ml5.js로 구현하여 사용할 수 있다. 분류된 행동 패턴 결과는 사용자의 스마트 폰 또는 PC로 실시간 전송되며, 언제 어디서든 확인 가능할 수 있게 node.js 서버에서 socket.io 모듈을 사용해서 상호반응 웹 서버를 구현하였다.
KW - 합성곱 신경망, 다크넷 YOLO, 객체 검출, 딥러닝, 강아지 행동
DO - 10.23087/jkicsp.2020.21.1.005
UR - http://dx.doi.org/10.23087/jkicsp.2020.21.1.005
ER -

조용화 , 이혁재 and 김영훈 (2020). YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현. 융합신호처리학회 논문지, 21( 1), 29- 37.

조용화 , 이혁재 and 김영훈 . 2020, “YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현”, 융합신호처리학회 논문지, vol. 21, no. 1, pp. 29-37. Available from: doi:10.23087/jkicsp.2020.21.1.005

조용화 이혁재 et al. 김영훈 “YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현” 융합신호처리학회 논문지 21.1 pp. 29-37 (2020): 29.

조용화 , 이혁재 , 김영훈 . YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현 융합신호처리학회 논문지 [Internet]. 2020; 21( 1), : 29-37. Available from: doi:10.23087/jkicsp.2020.21.1.005

조용화 , 이혁재 and 김영훈 . “YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현” 융합신호처리학회 논문지 21, no.1 (2020): 29-37. doi: 10.23087/jkicsp.2020.21.1.005

홈 권호 목록 논문 목록 논문 상세

YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현

융합신호처리학회 논문지

약어 : JISPS

2020, vol.21, no.1, pp.29 - 37

DOI : 10.23087/jkicsp.2020.21.1.005

발행기관 : 한국융합신호처리학회

연구분야 : 전자/정보통신공학

조용화¹ , 이혁재² , 김영훈³

¹경남대학교

²경남대학교

³경남대학교

인용한 논문 수 : 3 서지 간략 보기

초록

본 논문은 실시간 영상 분석을 통해서 반려견에 대한 객체를 추출해 내고, 추출된 이미지로부터 반려견 행동을 분류하는 방법을 구현한다. 반려견 객체 탐지를 위해서 Darknet YOLO를 사용하였으며, 추출된 이미지로부터 행동 패턴 분류는 구글에서 제공하고 있는 Teachable Machine을 이용하였다. 학습된 Teachable Machine은 구글 드라이브에 저장되어 node.js 서버 상에서 ml5.js로 구현하여 사용할 수 있다. 분류된 행동 패턴 결과는 사용자의 스마트 폰 또는 PC로 실시간 전송되며, 언제 어디서든 확인 가능할 수 있게 node.js 서버에서 socket.io 모듈을 사용해서 상호반응 웹 서버를 구현하였다.

키워드

합성곱 신경망, 다크넷 YOLO, 객체 검출, 딥러닝, 강아지 행동

참고문헌(13)

[인터넷자료] / https://bit.ly/3gLuq4t
[인터넷자료] / https://bit.ly/3gJVWPC
[인터넷자료] Fitbark / Fitbark
[학술대회] R. Brugarolas / 2013 / Behavior recognition based on machine learning algorithms for a wireless canine machine interface / 2013 IEEE International Conference on Body Sensor Networks
[인터넷자료] J. Redmon / Yolo v3: An incremental improvement
[학술대회] J. Redmon / 2017 / Yolo9000 better, faster, stronger / IEEE Conference on Computer Vision and Pattern Recognition
[인터넷자료] / https://teachablemachine.withgoogle.com
[인터넷자료] / http://topdogblog1.blogspot.com/2012/04/doggie-language.html
[인터넷자료] / https://github.com/AlexeyAB/darknet
[인터넷자료] / https://www.kaggle.com/tongpython/cat-and-dog
[인터넷자료] / https://github.com/AlexeyAB/Yolo_mark
[인터넷자료] / https://medium.com/@manivannan_data/how-to-train-yolov 3-to-detect-custom-objects-ccbcafeb13d2
[인터넷자료] / https://nodejs.org/ko/download/