http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
지문세,기혜정,기창민,문범섭,박성건,Ji, Moon-Se,Ki, Heajeong,Ki, Chang-Min,Moon, Beom-Seob,Park, Sung-Geon 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.12
본 연구의 최종 목표는 블랙박스, 스마트폰, CCTV 등으로부터 수집된 영상에서 수배차량이 범죄차량인지 여부를 분석할 수 있는 시스템을 개발하는 것이다. 데이터 수집은 자체 개발된 블랙박스를 이용하였다. 본 연구에 활용된 데이터는 차량 유형 8개(트럭, RV, 승용차, 승합차, SUV, 버스, 스포츠카, 전기차)와 차량 모델 434개 등 총 83,753건의 데이터를 사용하였다. YOLO v5를 이용한 차량인식 결과, mAP가 80%로 나타났다. 자체 개발한 블랙박스를 이용하여 ReXNet으로 차량 모델을 식별한 결과, 정확도는 99%로 나타났다. 이러한 결과는 데이터 라벨링의 정확도를 개선하는 것이 차량인식 성능 향상에 도움이 된다는 것을 의미한다. The final goal of this study is to develop a system that can analyze whether a wanted vehicle is a criminal vehicle from images collected from black boxes, smartphones, CCTVs, and so on. Data collection was collected using a self-developed black box. The used data in this study has used a total of 83,753 cases such as the eight vehicle types(truck, RV, passenger car, van, SUV, bus, sports car, electric vehicle) and 434 vehicle models. As a result of vehicle recognition using YOLO v5, mAP was found to be 80%. As a result of identifying the vehicle model with ReXNet using the self-developed black box, the accuracy was found to be 99%. The result was verified by surveying field police officers. These results suggest that improving the accuracy of data labeling helps to improve vehicle recognition performance.