학부 인턴 7주차 정리

아니 원래 저번주에 썼어야 했는데 개강하고 나서 정신이 없어서 못썼나부다 ... 

 

개강하고 해당 주차부터는 연구실에 직접와서 일주일에 약 8시간~10시간 정도 실험이든 공부든 하고 간다. 

사실 연구실에 처음으로 혼자 들어올 때 너무 부담스럽..?고, 무서웠는데 이제는 조금 적응이 됐는지 무섭지는 않고 그냥 조금 부담스럽기만 하다.. ㅎㅎ 

 

해당 주차에는 사실 서버 대여도 끊기고, 개강하고 시간도 별로 없어서 실험을 많이 진행하지 못했다. 

그리고 교수님께서도 내가 원하는 주제를 확실히 정하고, 관련 논문을 2,3개 정도 골라서 그 논문들을 참고해서 실험을 하고, 그 논문의 결과와 비교를 하는 것이 더 좋을 것같다고 해주셔서, 주제를 확실히 정하고 관련 논문을 찾아보는 시간을 가졌다. 

---

 

내 주제는 "UAV기반 조기 산불 탐지" + "CNN+Transformer 하이브리드 모델"이다. 

YOLO 기반 CNN + Transformer 하이브리드 모델을 활용한 UAV 기반 조기 산불 탐지라고 표현할 수 있을 것 같다. 

 

내가 해결하고자 하는 문제는 다음과 같다. 

산불 초기의 연기와 불꽃은 영상 내 점유 비율이 매우 작고, 배경 복잡도와 구름이나 안개 등 유사 패턴으로 인해 검출 난도가 높다. 

또한 UAV 에서 동작하기 위해서는 다른 모델에 비해 가볍게 경량화 시키는 것도 중요하다 .

 

따라서 나는 초기의 산불을 탐지하고, 정확도와 실시간성을 높인 산불 탐지 시스템을 만들어보려고 한다. 

 

목표는 mAP↑, 오탐↓, FPS ↑ 이다. 

YOLOv5 모델에 경량 Transformer 블록을 삽입하여 기본 YOLOv5s보다 성능이 좋은 모델을 만드는 것이 목표이다. 

 

데이터셋은 FASDD_UAV 데이터셋을 사용할 예정이다. 

https://www.scidb.cn/en/detail?dataSetId=ce9c9400b44148e1b0a749f5c3eb0bda

An open flame and smoke detection dataset for deep learning in remote sensing based fire detection

 

모델은 Baseline으로는 YOLOv5s, 비교 모델로는 YOLOv5m, YOLOv8 s/m 모델을 사용할 예정이다. 

 

 

---

 

FASDD 데이터셋 검증 

FASDD 데이터셋을 사용하기 전, 데이터셋 검증부터 진행하였다. 

예전에 검증을 하지 않고 학습부터 돌렸다가 망한 적이 몇번 있어서, 이번에는 검증먼저 진행하였다. 

 

 

저번에 실험했던 DFire 데이터셋에 비해서 정확도도 높고, Precision, Recall 값도 높은 것을 볼 수 있다. 

지금까지 실험해봤던 데이터셋 중에서는 성능이 가장 좋은 것 같다. 

추론 결과도 꽤 잘 나왔다. 

지금까지 추론해본 것 중에 가장 잘 나온 것을 볼 수 있다. 

 

그래서 앞으로는 해당 데이터셋을 사용해서 모델 학습을 진행시킬 예정이다.