겹친 넙치 객체 탐지의 성능 향상을 위한 효과적인 이미지 증강 기법

Effective Image Augmentation Methods to Enhance the Detection Performance of Overlapping Paralichthys olivaceus Objects

최근 양식장 환경에서 넙치 객체를 정확하게 탐지하는 기술의 중요성이 증가하고 있다. 그러나 복잡한 배경과 어류 간의 높은 밀도로 인해 기존 데이터 증강 기법만으로는 충분한 탐지 성능을 확보하기 어렵다. 본 논문에서는 양식장 환경에 최적화된 새로운 데이터 증강 기법을 제안한다. 제안된 기법은 명확하게 분리된 넙치 이미지를 배경 제거 후, 원본 이미지 내 빈 공간을 탐색하여 적절한 크기와 방향으로 삽입하고, 여러 객체 삽입 시 HSV 값을 일관되게 맞추는 방식을 통해 데이터셋을 확장한다. 이를 통해 비자연적인 객체 간 겹침을 방지하고, 실제 양식장 환경을 반영한 합성 이미지를 생성한다. 제안 기법을 통해 총 404장의 증강 이미지를 추가한 데이터셋을 구성하고 YOLOv8n 모델을 학습한 결과, mAP@50 0.9304로 기존 증강 기법보다 우수한 성능을 기록하였다. 또한, 다른 증강 기법과의 결합을 통해 추가적인 성능 향상 가능성도 확인되었다. 본 연구는 양식장 객체 탐지의 정확도를 높이기 위한 효과적인 데이터 증강 방법을 제시하며, 향후 다양한 어종과 환경에의 확장 가능성을 갖는다.

Accurate detection of Paralichthys olivaceus in aquaculture environments has become increasingly important. However, due to the complex backgrounds and high fish density in aquaculture tanks, existing data augmentation methods are often insufficient to achieve robust detection performance. This study proposes a novel data augmentation technique optimized for aquaculture settings. The proposed method expands the dataset by extracting clearly separated flounder images, removing their backgrounds, and inserting them into empty spaces of the original images with appropriate scaling and orientation. Furthermore, when multiple instances are inserted, their HSV values are unified to maintain color consistency. This approach prevents unnatural overlaps and generates realistic composite images that reflect the complexity of aquaculture environments. Experimental results show that a dataset expanded with 404 augmented images achieves an mAP@50 of 0.9304 using a YOLOv8n model, outperforming datasets generated with conventional augmentation methods. Additionally, combining the proposed technique with other augmentation methods demonstrates the potential for further performance improvement. This study presents an effective data augmentation strategy for enhancing object detection accuracy in aquaculture and offers the potential for broader application to various species and environments.