전이 학습을 이용한 자동차 페달 블랙박스 영상 분류 연구
A Study on Classifying Automotive Pedal Dashcam Images Using Transfer Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
제안 연구에서는 차량 블랙박스 이미지 데이터를 활용하여 운전자의 브레이크와 가속 페달 작동 여부를 분류하기 위해 VGG, ResNet,EfficientNet, Inception, DenseNet, MobileNet 등 6가지 주요 전이 학습 모델의 성능을 종합적으로 평가하였다. 데이터셋은 다양한 주행 환경과조건에서 수집한 24,000장 이상의 이미지로 구성되어 있으며, 각 이미지는 운전자의 페달 조작 상태를 명확히 나타내도록 라벨링 하였다. 체계적인실험을 통해 각 모델의 장단점을 분석한 결과, 각 전이 학습 모델은 특성에 따라 다른 양상을 보였으며, 복잡한 이미지 데이터에서도 높은 성능을유지할 수 있음을 확인하였다. 제안 연구의 결과는 다양한 전이 학습 아키텍처의 효과성을 심층적으로 이해하는 데 기여하며, 운전 행동 분석에적합한 최적 모델 선택에 대한 실질적인 지침을 제공한다. 제안 연구를 통해 차량 급발진 사고 분석의 기본 자료로 활용될 뿐만 아니라 차량 안전시스템의 발전에 기여하고, 차량 환경에서 이미지 데이터 처리의 개선을 위한 기초 자료로 작용할 것으로 기대한다.
Abstract
This study comprehensively evaluates the performance of six major transfer learning models (VGG, ResNet, EfficientNet, Inception,DenseNet, and MobileNet) to classify the operation of the driver's brake and accelerator pedals using vehicle dashboard camera imagedata. The dataset consists of over 24,000 images collected in various driving environments and conditions, with each image clearly labeledto indicate the driver's pedal operation status. Through systematic experiments, the strengths and weaknesses of each model were analyzed,revealing that each transfer learning model exhibited different patterns based on their characteristics and maintained high performanceeven with complex image data. The results of this study contribute to a deeper understanding of the effectiveness of various transferlearning architectures and provide practical guidance for selecting the optimal model for driving behavior analysis. This research servesas a foundational resource for analyzing vehicle sudden acceleration incidents and is expected to contribute to the advancement of vehiclesafety systems while enhancing image data processing in automotive environments.