Earticle

초록

한국어

본 논문은 공유형 전동킥보드 시스템 운영 시, 관리 상 발생할 수 있는 주차 문제를 해결하기 위해 반납 인증사진으로 주 차, 비주차 구역을 판단하는 AI모델을 제시한다. 본 연구에서는 주차/비주차 구역 배경 관련 객체를 판별하기 위해 ADE20K 에 Pre_trained된 Segfomer_b0 모델과 점자블록, 전동킥보드에 Fine_tuning한 Segfomer_b0 모델을 통해 주차/비주차에 관련 된 객체의 Segmentation map을 추출하고, Swin 모델을 통해 주차/비주차 구역을 이진 분류하는 방법을 제시하였다. 최종적으 로 총 1,689장을 직접 라벨링한 후 진행한 Fine_tuning SegFomer 모델은 mAP가 81.26% 수준으로 전동킥보드와 점자블록을 인식하였으며, 총 2,817장을 훈련한 Classification 모델은 92.11%의 정확도와 91.50%의 F1-Score로 주차구역과 비주차 구역을 분류하는 것이 가능하였다.

영어

This paper proposes an AI model that determines parking and non-parking zones based on return authentication photos to address parking issues that may arise in shared electric scooter systems. In this study, we used a pre-trained Segformer_b0 model on ADE20K and fine-tuned it on tactile blocks and electric scooters to extract segmentation maps of objects related to parking and non-parking areas. We also presented a method to perform binary classification of parking and non-parking zones using the Swin model. Finally, after labeling a total of 1,689 images and fine-tuning the SegFomer model, it achieved an mAP of 81.26%, recognizing electric scooters and tactile blocks. The classification model, trained on a total of 2,817 images, achieved an accuracy of 92.11% and an F1-Score of 91.50% for classifying parking and non-parking areas.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
2.1 Transformer
2.2 Swin Transformer[8]
2.3 SegFormer[7]
3. AI 모델 제안
3.1 Pre-trained SegFormer
3.2 Fine-tuning SegFormer
3.3 Classification
4. 모델 훈련 및 평가 결과
4.1 Fine_tuning SegFormer 결과
4.2 주차, 비주차 구역 이진 분류 결과
5. 결론
참고문헌

저자

• 조용현 [ Yong-Hyeon Jo | 부산대학교 정보컴퓨터공학부 석사과정 ] 주저자
• 최진영 [ Jin Young Choi | 동신대학교 기계공학과 교수 ] 교신저자

참고문헌