Earticle

초록

영어

Bicycle road accidents are increasing annually in South Korea, with collisions between cyclists and pedestrians surging because of the rapidly increasing use of bicycles and personal mobility devices worldwide. The introduction of vision-based AI detection systems capable of real-time identification of four moving object classes-pedestrians, bicycles, micro-mobility devices, and vehicles-is required to address this. Despite this, deep learning-based detection models suffer from significant cross-domain performance degradation because of domain shifts caused by seasonal changes, lighting conditions, and differences in camera installation angles between training and deployment environments. This paper proposes an unsupervised domain adaptation pipeline that leverages Grounding DINO, a vision-language model, as a teacher model to automatically generate pseudo-labels from unlabeled target-domain images, which are then mixed with source-domain ground truth annotations to retrain YOLO11. The experimental results show that the proposed method improves the target-domain mAP50-95 from 0.1721 to 0.4108, a 138.7% increase over the source-only baseline model. This paper presents the potential for rapid deployment across diverse bicycle road environments without the need for additional field annotation efforts.

한국어

전 세계적으로 자전거 및 개인형 이동수단의 이용이 급격히 증가하면서 자전거도로 내 다양한 이동 객체 간의 충돌 위험이 심화되고 있다. 국내 자전거 교통사고는 전년 대비 증가 추세에 있으며, 특히 자전거와 보행자 간 사고가 급증하는 등 자전거도로 안전관리의 필요성이 높아지고 있다. 이를 해결하기 위해 보행자, 자전거, 전동 킥보드, 차량의 4종 이동 객체를 실시간으로 탐지하는 영상 기반 AI 탐지 시스템의 도입이 요구된다. 그러나 딥러닝 기반 탐지 모델은 학습 환경과 배포 환경 간의 계절 변화, 조도 조건, 카메라 설치 각도 차이 등으로 인한 도메인 시프트 문제로 교차 도메인 성능이 급격히 저하되는 한계를 지닌다. 본 연구에서는 이를 해결하기 위해 시각-언어 모델인 Grounding DINO를 선생 모델로 활용하여 타겟 도메인의 비라벨 영상으로부터 의사 레이블을 자동 생성하고, 이를 소스 도메인 정답 어노테이션 데이터와 혼합하여 YOLO11을 재학습하는 비지도 도메인 적응 파이프라인을 제안한다. 실험 결과, 제안 방법은 소스 도메인 단독 학습 모델 대비 타겟 도메인 mAP50-95가 0.1721에서 0.4108로 138.7% 향상되었다. 본 연구는 추가적인 현장 어노테이션 없이 다양한 자전거도로 환경으로의 신속한 현장 확대 적용 가능성을 제시한다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 연구 배경 및 필요성
2. 관련 연구 동향
Ⅱ. 비지도 도메인 적응을 통한 4종 이동객체 탐지 기술
1. 자전거 도로 영상 데이터 세트 구성
2. Grounding DINO 기반 선생-학생 비지도 도메인 적응 기법
3. 학습 환경 구성
Ⅲ. 실험 결과 분석 및 논의
1. 실험 계획 및 평가 방식
2. 실험 결과 및 분석
3. 결과 영상 및 분석
Ⅳ. Conclusion
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 심승보 [ Seungbo Shim | 한국건설기술연구원 지반연구본부 수석연구원 ] 주저자 및 교신저자
• 이유화 [ Yuhwa Lee | 한국건설기술연구원 도로교통연구본부 연구위원 ] 공저자
• 문재필 [ Jae-Pil Moon | 한국건설기술연구원 도로교통연구본부 수석연구원 ] 공저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338