서비스 명칭
최근 자율주행 연구가 활발하며, 실제 사용자가 이용할 수 있는 자율주행 서비스가 본격적으로 시작되고 있다. 하지만 이런 서비스들은 아직 악천후 환경에서 안정적이지 못하다는 문제가 있다. 따라서 악천후에서도 가능한 자율주행 서비스를 개발하고자 한다.
2. 서비스 배경 및 목적
현재 컴퓨터 비전에서 많이 사용하는 Objectect Detection의 경우 주로 차량이나 사람을 인식하는 서비스를 제공하는 형태이다.
이러한 연구에 힘입어, 최근에는 연구뿐만 아니라 이러한 연구를 기반으로 쌓은 지식을 실제 실생활에 이용하는 서비스 역시 활발히 진행되고 있다. 하지만 여전히 실생활에 사람처럼 대처하기에는 부족한 부분들이 존재한다. 이러한 부족한 부분 중 하나인 악천후 상황 속의 자율주행을 해결하는 서비스를 제공하고자 한다.
3. 인공지능 서비스 유사 사례 분석
최근 국내 뿐만 아니라 해외에서 역시 자율주행 연구가 활발하다. 현재 자율주행 2단계인 운전자 보조 기능은 본격적으로 상용화되어, 많은 운전자들이 차선인식과 차량인식을 통해 자율주행 서비스를 이용하고 있다.
뿐만 아니라 자율주행 4단계에 해당하는 서비스 역시 시범화 운영을 진행하며, 사람의 운전을 대체할 수 있는 자율주행 서비스를 준비하고 있다.
4. 인공지능 모델의 입출력
입력 : (이미지, 파일형식 : npy)
출력 : (Bounding box, 파일형식 : JSON)
5. 데이터셋 구축방안
승용 자율주행차 악천후 데이터 : https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=71626
AI Hub 후처리 제공(학습셋, 시험셋)
6. 데이터셋 구성 목표
학습셋 : 승용 자율주행차 악천후 데이터 중 일부
시험셋 : 승용 자율주행차 악천후 데이터 중 일부
7. 인공지능 모델 평가 방법
각 이미지 별로 object detection을 수행한 결과와 정답과 비교
MAP
8. 인공지능 모델 성능 목표
MAP : 90%
9. 서비스 구축계획 및 사용 시나리오
차량에 장착된 카메라 또는 블랙박스와 같이 카메라를 설치하여 악천후에서도 자율주행이 가능하도록 하는 서비스 제공
기존의 존재하는 자율주행 서비스에서 악천후 상황을 개선시킨 모델을 앙상블하는 서비스 제공
