415 0

스키로봇의 기문 인식을 위한 DetectNet의 성능향상 및 Data Augmentation 방법에 관한 연구

Title
스키로봇의 기문 인식을 위한 DetectNet의 성능향상 및 Data Augmentation 방법에 관한 연구
Author
박천유
Advisor(s)
한재권
Issue Date
2019-02
Publisher
한양대학교
Degree
Master
Abstract
2018년 2월 평창에서 스키로봇대회가 개최되었다. 스키로봇대회는 시계 최초로 시도된 대회로서 휴머노이드 로봇이 인간 스키 선수들의 대회인 알파인 대회전 스키 대회를 수행하는 경기였다. 스키로봇 대회는 실제 야외 스키 슬로프에 설치된 5쌍의 기문(스키 게이트)을 차례로 통과하며 80m 가량을 가능한 빨리 통과해야하는 기록경기였다. 휴머노이드 로봇이 정해진 기문 사이를 통과하기 위해서 가장 먼저 수행해야하는 기능은 기문을 인식하는 것이었다. 그러나 실제 야외 슬로프에 설치된 기문을 인식하는 것은 전통적인 로보틱스 방식을 사용했을 때는 성공률이 높지 않았다. 날씨변화와 함께 변하는 조도와 바람에 의해 벌어지는 기문 형상의 변화, 주변 비슷한 사물(혹은 사람)과 기문의 구별 등 실제 상황에서 벌어지는 예측하기 힘든 다양한 상황에 대응할 수 있는 알고리즘을 만든다는 것은 불가능에 가깝다고 판단되었다. 따라서 본 논문에서는 다양한 환경에 적응할 수 있는 머신러닝 기법을 도입하여 기문 인식을 수행하였다. 최근 비전인식에서 독보적인 성과를 내고 있는 DNN(Deep Neural Network)의 한 종류인 CNN(Convolutional Neural Network)을 시도했다. 이를 위해 NVIDIA사에서 제공하는 DNN 매니저인 DIGITS로 학습을 진행하였으며 그 과정에서 높은 성능을 가진 학습모델을 얻기 위해 다뤄야 할 요소가 무엇이 있으며, 어떻게 다뤄야 하는지를 연구하였다. 성공적인 학습을 위한 가장 확실하고 좋은 방법은 많은 양의 학습데이터를 통해 학습을 진행하는 것이다. 하지만 학습데이터를 준비하는 과정은 매우 많은 자원을 필요로 하기 때문에 한정된 자원으로 학습을 진행하는 대다수의 경우에는 적은 양의 학습데이터밖에 없을 가능성이 높다. 따라서 본 논문에서는 학습데이터가 적더라도 높은 확률의 인식률을 달성하기 위하여 Data Augmentation과 Cluster, Transfer Learning 등을 다양한 방식으로 활용하였다. 본 연구에서 제시한 방식을 바탕으로 학습모델의 완성도를 높일 수 있었고, 스키로봇대회에 출전한 한양대학교의 휴머노이드 로봇인 DIANA 에 적용되어 높은 인식률로 한양대학교가 스키로봇대회에서 좋은 성적을 거둘 수 있도록 만들었다.
In this paper, we propose which elements should be dealt with to obtain a better learning model and how to deal with them. In February 2018, a ski robot competition was held in PyeongChang. The ski robot competition is the first robot race in Korea to take Alpine skiing. In this competition, the rules of the game were modified to fit on the robot. It is 80m from the starting point to the finish point. In order for a robot to pass a gates, the most important goal is "recognizing the gates". We used the DetectNet which is one of CNN (Convolutional Neural Network) to teach DIANA, a humanoid robot of Hanyang University how to recognize the gates. The most obvious way to learn successfully is learning through a large amount of data set. Since preparing the data set requires a great deal of resources. But it is very likely that only a small amount of data set is available in the majority of the cases. Even if there is a small amount of data set, the performances of the learning model can be improved by utilize the data augmentation, cluster, and transfer learning.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/99523http://hanyang.dcollection.net/common/orgView/200000435118
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > INTERDISCIPLINARY ENGINEERING SYSTEMS(융합시스템학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE