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.
이미지 초해상화 기법을 활용한 작물 병해충 진단 모델의 재현율 향상
http://doi.org/10.5626/JOK.2024.51.2.125
작물의 병해충은 수확량에 큰 영향을 미치기 때문에 병해충의 조기 식별과 진단은 매우 중요하다. 이를 위해, 인공지능을 활용하여 작물 병해충을 진단해주는 모델들을 개발하고 고도화하는 연구가 활발하게 진행되고 있다. 하지만, 검증 시 좋은 성능을 보였던 모델이라도 운용 시 입력된 이미지의 해상도가 낮으면 성능이 낮아지는 문제가 있다. 낮은 해상도로 인해 병해충이 진단되지 않아 방제가 늦어진다면 작물 전체가 병해충에 영향을 받아 수확량이 감소하는 문제가 발생한다. 본 연구는 이미지의 해상도를 높이는 초해상화 기술을 활용하여 모델의 재현율 향상이 목적이다. 초해상화 기법은 바이큐빅, SRCNN, SRGAN을 사용하였다. 64×64, 128×128, 192×192 크기의 테스트 이미지를 각각 4배의 크기로 초해상화 한 후, 직접 학습시킨 YOLOv5모델로 병해충 진단 테스트를 진행하였다. 그 결과 SRGAN 34%, SRCNN 30%, 바이큐빅 19%의 재현율 향상을 보였다.
