디지털 라이브러리[ 검색결과 ]
병렬 딥러닝 구조를 이용한 보행자 무단횡단 의도 통합 예측
http://doi.org/10.5626/JOK.2024.51.6.545
도시화로 인해 교통사고와 주차 문제는 점점 더 다양해지고 있으며, 횡단보도에서 발생한 보행 자 사고는 교통사고 사망자의 30% 이상을 차지하고 있다. 특히, 적신호 상황에서 운전자가 사전에 보행자 를 인지하지 못할 경우 치명적인 부상을 입힐 가능성이 높다. 이에 따라, 보행자 횡단 의도를 사전에 예측 하여 교통사고를 예방하기 위한 다양한 연구들이 진행되고 있다. 본 논문에서는 보행자의 횡단 의도를 사 전에 예측하는 딥러닝 기반 통합 보행자 횡단 의도 예측 시스템을 제안한다. YOLOv5 객체 탐지 모델을 사용하여 횡단 의도가 있는 보행자 행동을 식별하고, 동시에 MMPOSE 관절 예측 모델을 사용하여 보행 자의 시점을 분류한다. 보행자의 행동, 시점, 보행자와 횡단보도 사이의 거리를 분석하여 다양한 시나리오 에서 횡단 의도를 예측한다. 향후 본 연구를 기반으로 자율주행 시스템에서 교통 안전 향상을 위한 다양한 응용 연구가 이루어질 것으로 기대된다.
의료 조언을 위한 질문 의도 인식: 학습 데이터 구축 및 의도 분류
http://doi.org/10.5626/JOK.2021.48.8.878
대부분의 과업 지향 대화 시스템에서는 의도 인식과 개체명 인식이 선행되어야 한다. 본 연구에서는 의료 조언이라는 신규 분야에 대한 대화 시스템 구축을 위해 사용자 질문의 의도를 인식하는 문제를 다룬다. 최종 목적에 해당하는 의료 조언을 위해 필요한 의도 카테고리를 정의하는 것에서부터 학습데이터 수집 및 구축, 레이블링을 위한 가이드라인을 상술한다. 질문 의도 인식을 위해 BERT 기반의 분류모델을 사용했으며 한국어 처리를 위해 변형된 KorBERT도 적용한다. 딥러닝 기반의 모델이 본 연구에서 구축한 중규모의 학습 데이터에서도 좋은 성능을 보이는 것을 검증하기 위해 일반적으로 많이 쓰이는 SVM도 비교 모델로 활용하였다. 실험 결과 8개의 의도 카테고리에 대한 f1 점수가 SVM, BERT, KorBERT에서 각기 69%, 78%, 84% 였으며 향후 데이터 보강을 통해 최종 성능을 높일 예정이다.
