과제정보
본 논문은 과학기술정보통신부 정보통신창의인재양성사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물 입니다. 본 연구는 과학기술정보통신부 및 정보통신기술진흥센터의 정보통신·방송 연구 개발사업의 일환으로 수행하였음. [2017-0-00068, 운전자 주행경험 모사기반 일반 도로환경의 자율주행4단계(SAE)를 지원하는 주행판단엔진 개발 / 2018-0-00327, 고정밀 맵 음영 환경의 완전자율주행 네비게이션 인공지능 기술개발]
한국정보처리학회:학술대회논문집 (Proceedings of the Korea Information Processing Society Conference)
- 한국정보처리학회 2022년도 추계학술발표대회
- /
- Pages.851-853
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
신호등 인식 성능 향상을 위한 쿠버네티스 기반의 프레임워크: YOLOv5와 Visual Attention을 적용한 C-RNN의 융합 Vision AI 시스템
Kubernetes-based Framework for Improving Traffic Light Recognition Performance: Convergence Vision AI System based on YOLOv5 and C-RNN with Visual Attention
- Cho, Hyoung-Seo (Dept. of Convergence Software, Myongji University) ;
- Lee, Min-Jung (Dept. of Computer Engineering, Jung-Won University) ;
- Han, Yeon-Jee (Dept. of Computer Science, Hanyang University)
- 발행 : 2022.11.21
초록
고령화로 인해 65세 이상 운전자가 급증하며 고령운전자의 교통사고 비율이 증가함에 따라 시급한 사회 문제로 떠오르고 있다. 이에 본 연구에서는 객체 검출, 인식 모델을 결합하고 신호등을 인식하여 Text-To-Speech(TTS)로 알리는 쿠버네티스 기반의 프레임워크를 제안한다. 객체 검출 단계에서는 YOLOv5 모델들의 성능을 비교하여 활용하였으며 객체 인식 단계에서는 C-RNN 기반의 attention-OCR 모델을 활용하였다. 이는 신호등의 내부 LED 영역이 아닌 이미지 전체를 인식하는 방식으로 오탐지 요소를 낮춰 인식률을 높였다. 결과적으로 1,628장의 테스트 데이터에서 accuracy 0.997, F1-score 0.991의 성능 평가를 얻어 제안한 프레임워크의 타당성을 입증하였다. 본 연구는 후속 연구에서 특정 도메인에 딥러닝 모델을 한정하지 않고 다양한 분야의 모델을 접목할 수 있도록 하며 고령 운전자 및 신호 위반으로 인한 교통사고 문제를 예방할 수 있다.
키워드