표제지
논문 개요
목차
제1장 서론 11
1절 연구 배경 및 목적 11
2절 연구 논문의 구성 18
제2장 관련 연구 19
1절 딥러닝 모형 19
1. 합성곱신경망(Convolutional Neural Network) 모형 19
2. 순환신경망(Recurrent Neural Network: RNN) 모형 21
3. 제한 볼츠만 머신(Restricted Boltzmann Machine) 모형 22
4. 심층신뢰신경망(Deep Belief Network) 모형 24
2절 객체 탐지 모형 25
1. YOLO 모형 25
2. DeepSORT 모형 29
3절 컬러 기반 객체 탐지 모형 33
1. RGB(Red Green Blue) 모형 34
2. CMY(Cyan, Magenta, Yellow) 모형 35
3. HSV(Hue, Saturation, Value) 모형 36
제3장 제안된 YOLOv5s와 DeepSORT 혼합 모형을 활용한 화재 탐지 설계 37
1절 화재 탐지 모형 설계 38
1. YOLOv5 모형 38
2. DeepSORT 모형 39
3. 제안된 YOLOv5s_DeepSORT 혼합 모형 42
제4장 제안된 YOLOv5s_DeepSORT 혼합 모형 구현 44
1절 데이터 셋 47
2절 이미지 탐지 평가 지표 51
3절 화재 탐지 모형들의 테스트 53
1. YOLOv5s 모형 학습 53
2. YOLOv5s 모형 테스트 54
4절 제안된 화재 탐지 모형 테스트 결과 57
제5장 결론 60
참고 문헌 62
ABSTRACT 65
〈표 1-1〉 화재로 인한 인명 피해 현황 12
〈표 1-2〉 2017년 ~ 2020년 공공 CCTV 설치 현황 15
〈표 2-1〉 주요 색상 모형 (Main Color Model)의 종류 33
〈표 4-1〉 데이터 셋 47
〈표 4-2〉 YOLOv5s 모형의 학습에 따른 손실률 53
〈표 4-3〉 YOLOv5s 모형의 테스트 결과 54
〈표 4-4〉 탐지 결과 59
[그림 1-1] 화재로 인한 재산 피해 현황 11
[그림 1-2] 정전식 연기 감지기 13
[그림 1-3] 공기 이온화식 감지기 14
[그림 1-4] 광전식 감지기 14
[그림 1-5] CCTV 활용 16
[그림 1-6] 서울시 화재 경보 오동작 현황 17
[그림 2-1] 기존 신경망 구조 20
[그림 2-2] 합성곱 신경망 구조 21
[그림 2-3] 순환신경망의 구조 22
[그림 2-4] 제한 볼츠만 머신 구조 23
[그림 2-5] 심층신뢰신경망의 구조 24
[그림 2-6] SORT 처리 구조 30
[그림 2-7] RBG 기본 모형 34
[그림 2-8] CMY 기본 모형 35
[그림 2-9] HSV 모형의 빛의 3속성을 이용하여 색을 표현 36
[그림 3-1] YOLOv5 처리 구조 38
[그림 3-2] DeepSORT 처리 구조 40
[그림 3-3] 제안된 YOLOv5s_DeepSORT 혼합 모형 설계 42
[그림 4-1] 화재 탐지 구현 순서도 44
[그림 4-2] 화염 구역 라벨링 49
[그림 4-3] YOLOv5s 모형의 학습에 따른 손실률 그래프 54
[그림 4-4] 화재 탐지를 위한 데이터 셋 56
[그림 4-5] YOLOv5s 모형을 적용한 화염 탐지 테스트 57
[그림 4-6] YOLOv5s_DeepSORT 혼합모형을 적용한 화염 탐지 테스트 58