개인형 이동장치 주행 보조의 도로 분류를 위한 신경망 모델 탐색: 정확도 및 연산 효율성에 대한 비교 연구

이광희, 문상준, 장경선

http://doi.org/10.5626/JOK.2023.50.12.1083

개인형 이동장치 이용량과 함께 교통 사고 빈도가 증가하고 있다. 대부분의 사고는 자동차 또는 보행자와의 사고였으며 주행도로에 대한 준수율이 낮다. 주행도로를 인식해 알려주는 보조 시스템은 이 문제를 개선시킬 수 있다. 도로 이미지는 재질 특성이 강하기 때문에 Image classification 분야에서 연구되는 모델들을 적용하기에 적절하다. 이 논문에서는 도로 이미지 분류 모델을 상황에 따라 선택할 수 있도록 파라미터의 수가 200만개에서 3,000만개 사이인 여러가지 모델을 성능을 비교하고 있으며, 대부분의 모델은 95%이상의 정확도를 보였고 top2 accuracy는 대부분의 모델이 99%이상을 보이는 것을 실험으로 설명했다. 본 논문의 실험 결과에 따라 가장 가중치수가 적으면서도 좋은 성능을 보인 모델은 mobilenet v2이었으며, 모든 클래스에 대해 90%이상 정확도를 달성해 클래스 별 정확도가 안정적인 모델은 EfficientNet이었다.