http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
도로교통 이머징 리스크 탐지를 위한 AutoML과 CNN 기반 소프트 보팅 앙상블 분류 모델
전병욱,강지수,정경용,Jeon, Byeong-Uk,Kang, Ji-Soo,Chung, Kyungyong 중소기업융합학회 2021 융합정보논문지 Vol.11 No.7
겨울철 도로 결빙으로 인한 사고는 대부분 큰 사고로 이어진다. 이는 운전자가 도로의 결빙을 사전에 자각하기 어렵기 때문이다. 본 연구에서는 AutoML과 CNN의 앙상블 모델을 이용하여 도로교통 이머징 리스크를 정확하게 탐지하는 방법을 연구한다. 비정형 데이터인 이미지를 이용한 CNN 이미지 특징 추출 기반 도로교통 이머징 리스크 분류 모델과 정형 데이터인 기상 데이터를 이용한 AutoML 기반 도로교통 이머징 리스크 분류 모델을 각각 학습시킨다. 그 후 모델들에서 도출된 확률값을 입력하여 CNN 기반 분류 모델을 보완하도록 앙상블 모델을 설계한다. 이를 통해 도로교통 이머징 리스크 분류 성능을 향상하고 더 정확하고 빠르게 운전자에게 경고하여 안전한 주행이 가능하도록 한다. Most accidents caused by road icing in winter lead to major accidents. Because it is difficult for the driver to detect the road icing in advance. In this work, we study how to accurately detect road traffic emerging risk using AutoML and CNN's ensemble model that use both structured and unstructured data. We train CNN-based road traffic emerging risk classification model using images that are unstructured data and AutoML-based road traffic emerging risk classification model using weather data that is structured data, respectively. After that the ensemble model is designed to complement the CNN-based classification model by inputting probability values derived from of each models. Through this, improves road traffic emerging risk classification performance and alerts drivers more accurately and quickly to enable safe driving.
도로 위험 탐지를 위한 데이터 편향성 최적화 기반 연관 추론 모델
류성은,김현진,구병국,권혜정,박찬홍,정경용,Ryu, Seong-Eun,Kim, Hyun-Jin,Koo, Byung-Kook,Kwon, Hye-Jeong,Park, Roy C.,Chung, Kyungyong 한국융합학회 2020 한국융합학회논문지 Vol.11 No.9
본 연구에서는 도로 위험 탐지를 위한 데이터 편향성 최적화 기반 연관 추론 모델을 제안한다. 이는 사용자의 개인적 특성과 주변 환경 데이터를 수집하고 교통사고 방지 서비스를 제공하기 위한 연관분석 기반의 마이닝 모델이다. 이는 다양한 상황 변수들로 구성된 트랜잭션 데이터를 생성한다. 생성된 정보를 바탕으로 연관 패턴 분석을 통해 각 트랜잭션 내 변수들의 유의미한 연관관계를 도출한다. 분류된 범주형 데이터의 편향성을 고려하여 최적화된 지지도 및 신뢰도 값으로 가지치기를 진행한다. 추출된 상위 연관규칙을 바탕으로 사용자에게 개인 특성과 주행 도로 상황에 대한 위험 탐지모델을 제공한다. 이는 데이터 편향성 문제를 극복하고 데이터간 연관성을 고려하여 잠재적인 도로 사고를 예방하는 교통 서비스가 가능하다. 성능 평가는 제안하는 방법이 정확도에서 0.778, Kappa 계수에서 0.743로 우수하게 평가된다. In this study, we propose an association inference model based on data bias optimization for road hazard detection. This is a mining model based on association analysis to collect user's personal characteristics and surrounding environment data and provide traffic accident prevention services. This creates transaction data composed of various context variables. Based on the generated information, a meaningful correlation of variables in each transaction is derived through correlation pattern analysis. Considering the bias of classified categorical data, pruning is performed with optimized support and reliability values. Based on the extracted high-level association rules, a risk detection model for personal characteristics and driving road conditions is provided to users. This enables traffic services that overcome the data bias problem and prevent potential road accidents by considering the association between data. In the performance evaluation, the proposed method is excellently evaluated as 0.778 in accuracy and 0.743 in the Kappa coefficient.
자율주행 안전을 위한 Mask R-CNN 기반 폐색 영역 검출
지유경(Yugyeong Ji),강예연(Yeyeon Kang),박시은(Sieun Park),안지현(Jihyeon Ahn),장영서(Yeongseo Jang),정민정(Minjung Jung),정경용(Kyungyong Chung) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.6
자율주행 자동차의 비전 분야에서의 폐색 영역 검출은 보완해야 할 기술 결함의 중점이다. 본 연구에서는 자율주행 안전을 위한 Mask R-CNN 기반 폐색 영역 검출을 제안한다. 제안하는 방법은 Mask R-CNN 모델에 학습된 데이터를 기반으로 객체를 인식한다. 또한, 교통수단을 종류별로 분류하여 세부적으로 이미지 분할을 진행한다. 객체가 가려지거나 겹쳐졌을 때 객체 추적률을 높일 수 있다. 인식한 객체의 고유한 라벨을 기반으로 LSTM을 이용 시계열 데이터를 이용한 객체 탐지 기반 폐색 영역 검출을 제안한다. 제안하는 방법은 시간의 흐름에 따른 객체 탐지 정확도를 높이고, 이를 활용함으로써 자율주행의 안전성을 향상시킨다. Detection of occluded areas in the vision field of autonomous vehicles is the focus of technical defects to be supplemented. In this paper, we proposes the Mask R-CNN based occlusion area detection in the autonomous driving safety. The proposed method recognizes objects based on data learned in the Mask R-CNN model. In addition, transportation is classified by type and image division is carried out in detail. It is possible to increase the object tracking rate when the object is covered or overlapped. Based on the unique label of the recognized object, we propose object detection-based occluded area detection using time series data using LSTM. The proposed method improves the accuracy of object detection over time and improves the autonomous driving safety by utilizing it.
김문성(Moonsung Kim),박건(Geon Park),추현창(Hyeonchang Chu),함현준(Hyeonjun Ham),이승헌(Seungheon Lee),엄희승(Heeseung Eom),유명한(Myeonghan Yu),정경용(Kyungyong Chung) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.6
매년 산불 발화는 꾸준하게 발생하며 산불로 인한 산림의 손실은 산불 발생 건수에 비례하여 발생한다. 이로 인해 국내에서도 산불로 인한 산림의 피해와 인적·물적 피해를 줄이기 위해 국가 산불 예보 시스템을 구축하는 등 많은 노력을 하고 있다. 산불의 원인은 기상, 지형 등과 같은 자연적인 요인보다는 쓰레기 소각, 입산자 방화, 담배꽁초 등과 같은 인위적인 요인과 더 높은 상관관계를 가진다. 이로 인해 발생한 산불이 대형 산불로 확산하는 데에는 기상적인 요인과 높은 상관관계를 가진다. 본 연구는 다항회귀를 기반으로 기상 요인과 피해 면적 사이의 상관관계 분석을 제안한다. 산림청에서 제공하는 통계자료를 활용하여 산불 발생 시점의 풍속, 기온 등과 같은 기상 데이터와 해당 산불의 피해면적 사이의 상관관계를 다항회귀 분석하고 시각화한다. Every year, forest fires occur continuously, and the loss of forests due to forest fires is proportional to the number of forest fires. Accordingly, in Korea, many efforts are being made, such as establishing a national forest fire forecasting system to reduce damage to forests and human and material damage caused by forest fires. The causes of forest fires in Korea have a higher correlation with artificial factors such as waste incineration, arson of tenants, and cigarette butts rather than natural factors such as weather and topography. There is a higher correlation with meteorological factors in the spread of forest fires caused by this to large forest fires. This study proposes a correlation analysis between weather factors and damage areas based on polynomial regression. This uses statistical data provided by the Korea Forest Service to analyze and visualize the correlation between weather data such as wind speed and temperature at the time of forest fire and the damage area of the forest fire.