딥러닝 기반 불량노면 객체 인식 모델 개발
Development of an abnormal road object recognition model based on deep learning
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
본 연구에서는 전동이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면정보를 수집하였으며 이때 도로정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용 하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로 부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블럭의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현 하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행 하였다.
Abstract
In this paper, poor road surface objects that hinder the movement of the transportation handicapped were identified as 7 items consisting of curb, road holes, gutter, manholes, broken blocks, braille blocks, and road cracks after performing movement verification in 5 areas within the city of Busan using an electric mobility aid device, and then a deep learning model for recognizing poor road surfaces was developed that recognizes objects in real time by applying the YOLOv5 deep learning algorithm. For model development, the image of the object was directly collected using a road information collection vehicle, and after processing, refining, and annotating the data, a deep learning model was trained and verified to be able to detect poor road surface objects
참고문헌 (7)
- 정지선, "텍스트 마이닝 기법을 활용한 인공지능 기술개발 동향 분석 연구: 깃허브 상의 오픈 소스 소프트웨어 프로젝트를 대상으로", 지능정보연구, 25(1), pp.1~19 (2019), 한국지능정보시스템학회
- J. S. Lee, "Trends on Object Detection Techniques Based on Deep Learning", Electronics and telecommunications trends, 33(4), pp.23~32 (2018)
- K. Simonyan, "Very Deep Convolutional Networks for Large-Scale Image Recognition", Int. Conf. Learning Representations (2015)
- 양성철, "항공사진과 도로지도 간 합성 품질 향상을 위한 도로 추출 연구", 한국측량학회지, 29(6), pp.593~599 (2011), 한국측량학회
- 노호창, "교통약자의 이동권 및 교통편의 증진을 위한 법 개정에 관한 연구", 법학연구, 20(3), pp.163~195 (2020), 한국법학회
- 박지호, "교통약자의 거주 분포와 통행특성을 고려한 저상버스 노선 선정 - 부산시를 사례로 -", 한국지리정보학회지, 18(2), pp.161~173 (2015), 한국지리정보학회[DOI]
- J. Redmon, "You Only Look Once: Unified, RealTime Object Detection", IEEE, Conf. Comput. Vision Pattern Recogn, pp.779~788