표제지
목차
요약 7
ABSTRACT 8
1. 서론 10
2. 관련 연구 12
2.1. 공정개선 12
2.2. 딥러닝기반 객체검출 기술 13
2.2.1. R-CNN 15
2.2.2. Fast R-CNN 15
2.2.3. Faster R-CNN 16
2.3. 객체검출 알고리즘 성능평가 방법 17
2.4. YOLOv4 (You Only Look Once) 19
3. Time study 기반의 작업요소 분해 방법 23
3.1. 표준시간 정의 23
3.2. Value and Non-Value Added Activities 정의 23
3.3. 작업요소 분할 방법 24
4. 딥러닝을 이용한 작업요소 분할 29
4.1. 시나리오 29
4.2. 실험데이터 29
4.3. YOLO Mark build 30
4.4. 데이터 전처리 31
4.5. 데이터 학습 32
4.6. 작업요소 분할 33
5. 실험결과 36
결론 43
참고문헌 44
〈표 1〉 Confusion Matrix 17
〈표 2〉 YOLO version별 속도, 정확도 비교 21
〈표 3〉 작업요소 VA, NVA 분할 예 24
〈표 4〉 실험 영상데이터 30
〈표 5〉 YOLO Mark 빌드 및 실행 31
〈표 6〉 학습 전처리 데이터 생성 32
〈표 7〉 하이퍼파라미터 세팅 32
〈표 8〉 작업요소 분할 화면 34
〈표 9〉 cake(A) 작업자 작업요소 분할 실험결과 36
〈표 10〉 pudding(B) 작업자 작업요소 분할 실험결과 37
〈표 11〉 seal(C) 작업자 작업요소 분할 실험결과 37
〈표 12〉 vessel(D) 작업자 작업요소 분할 실험결과 38
〈표 13〉 cake(A) 제안방법 작업요소 분할 실험결과 38
〈표 14〉 pudding(B) 제안방법 작업요소 분할 실험결과 38
〈표 15〉 seal(C) 제안방법 작업요소 분할 실험결과 39
〈표 16〉 vessel(D) 제안방법 작업요소 분할 실험결과 39
〈표 17〉 작업자와 제안방법 총 작업요소 분할시간 비교 40
〈표 18〉 작업자와 제안방법 객체검출 개수 비교 41
〈표 19〉 작업자와 제안방법 작업요소 분할시간합계 비교 42
[그림 1] 대기업, 중소기업 생산성 추이 13
[그림 2] Time study 기반 공정개선 도구의 작업요소 분할 예시 13
[그림 3] R-CNN 파이프라인 15
[그림 4] Fast R-CNN Architecture 15
[그림 5] Faster R-CNN 단일 통합네트워크 16
[그림 6] IoU 이해를 위한 쇼핑카트 검출의 예 18
[그림 7] ROC와 PR space 알고리즘 비교의 차이 19
[그림 8] The YOLO Detection System 20
[그림 9] 제안된 YOLOv4와 다른 객체검출기 비교 21
[그림 10] Seal 실험영상 데이터 작업구성요소 25
[그림 11] Seal 실험영상 데이터 작업순서 25
[그림 12] Seal 실험영상 데이터 불필요한 작업 26
[그림 13] Seal 실험영상 데이터 작업요소 분할 방법 28
[그림 14] 객체검출 및 작업요소 분할 프로세스 29
[그림 15] Obj.names의 설정 값 31
[그림 16] YOLO Mark를 이용한 데이터 전처리 32
[그림 17] 작업요소 분할 순서도 33
[그림 18] 실험영상 등록 데이터 34
[그림 19] 실험영상 작업요소 분할 데이터 35
[그림 20] 실험영상 작업요소 분할 세부 데이터 35
[그림 21] 작업자와 제안방법 총 작업요소 분할시간 비교 그래프 40
[그림 22] 작업자와 제안방법 객체검출 비교 그래프 41