딥러닝 기반 신호등 객체 인식을 위한 가상 학습데이터의 활용 가능성 분석에 관한 연구 (A Study on Feasibility Analysis of Virtual Training Dataset for Deep Learning-based Traffic Light Detection)

서지정보

· 발행기관 : 대한공간정보학회
· 수록지 정보 : 대한공간정보학회지 / 30권 / 4호 / 103 ~ 111페이지
· 저자명 : 주은오, 김민수

초록

자율주행 및 ADAS 기술이 발전함에 따라 딥러닝을 접목한 연구가 활발히 수행되고 있다. 그러나 자율주행에서 딥러닝 모델은 실제 주행환경에서 수집된 다양한 학습데이터를 요구하며, 이러한 학습데이터 구축은 고비용과 많은 시간이 소요되는 문제를 가지고 있다. 최근 이와 같은 문제를 해결하기 위해 가상환경에서 학습데이터를 구축하는 연구가 증가하고 있다. 그러나 가상환경에서 수집된 데이터는 실세계와의 이질성으로 인하여 딥러닝에서 학습데이터로의 활용 가능성을 명확히 확인하기에 어려움이 있다. 이에 본 연구에서는 가상환경에서 수집된 데이터가 딥러닝 기반 객체 인식의 성능 향상에 기여 가능한지를 검증해보고자 한다. 가상 데이터의 활용 가능성 분석을 위하여 가상 데이터와 실세계 데이터를 조합하여 다양한 학습데이터를 구성하였으며, 실세계 활용성 검증을 위하여 성능은 YOLOv5 모델을 이용하여 실세계 데이터에 대하여 평가하였다. 결론적으로 실세계 데이터로 학습한 모델보다 가상 데이터와 조합하여 구성한 데이터로 학습한 모델이 우수함을 확인할 수 있었다.

영어초록

With the development of autonomous driving and ADAS technology, a lot of deep learning-based researches have been being actively conducted. However, a deep learning model for autonomous driving needs large number of training data acquired from real road, and the training data needs much time and cost in the data acquisition process. Recently, in order to solve the problem of cost and time, researches that acquire the virtual training data in a virtual environment have been increasing. However, it is difficult to confirm the applicability of deep learning of the virtual data, because of the heterogeneity of the virtual data with the real world data. Therefore, we intend to analyze whether the virtual training data can contribute to the performance improvement of deep learning, in this study. In order to analyze the applicability of the virtual data, we created various combinations of training data that integrates the virtual and the real data. Then, we trained the YOLOv5 model on the various combinations of training data, and evaluated the performance of the trained model on the real world data. In conclusion, we could see that the model trained with data created by integrating the virtual data and the real data was superior to the model trained with real data.

참고자료

· 없음