Current Result Document :
| 한글제목(Korean Title) |
신호등 인식 성능 향상을 위한 쿠버네티스 기반의 프레임워크 와 : YOLOv5 Visual Attention을 적용한 C-RNN Vision AI 의 융합 시스템 |
| 영문제목(English Title) |
Kubernetes-based Framework for Improving Traffic Light Recognition Performance: Convergence Vision AI System based on YOLOv5 and C-RNN with Visual Attention |
| 저자(Author) |
조형서
이민정
한연지
Hyoung-Seo Cho
Min-Jung Lee
Yeon-Jee Han
|
| 원문수록처(Citation) |
VOL 29 NO. 02 PP. 0851 ~ 0853 (2022. 11) |
한글내용
(Korean Abstract) |
고령화로 인해 65세 이상 운전자가 급증하며 고령운전자의 교통사고 비율이 증가함에 따라 시급한 사회 문제로 떠오르고 있다. 이에 본 연구에서는 객체 검출 인식 , 모델을 결합하고 신호등을 인식하여 Text-To-Speech(TTS)로 알리는 쿠버네티스 기반의 프레임워크를 제안한다 객체 . 검출 단계에서는 YOLOv5 모델들의 성능을 비교하여 활용하였으며 객체 인식 단계에서는 C-RNN 기반의 attention-OCR 모델을 활용하였다 이는 . 신호등의 내부 LED 영역이 아닌 이미지 전체를 인식하는 방식으로 오탐지 요소를 낮춰 인식률을 높였다 결과적으로 . 1,628장의 테스트 데이터에서 accuracy 0.997, F1-score 0.991의 성능 평가를 얻어 제안한 프레임워크의 타당성을 입증하였다 본. 연구는 후속 연구에서 특정 도메인에 딥러닝 모델을 한정하지 않고 다양한 분야의 모델을 접목할 수 있도록 하며 고령 운전자 및 신호 위반으로 인한 교통사고 문제를 예방할 수 있다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
