1. 문제정의
운전을 할 때는 안전하게 전방을 주시하고 운전에만 집중하는 것이 중요합니다.
오랜시간 운전을 하다보면 본인도 모르게 졸음이 쏟아져 졸음 운전을 할 수 도 있죠. 이 때, 운전자의 행동을 파악해서 자동차가 스스로 적절한 행동을 취해 안전을 보장해준다면 정말 좋겠죠!? 똑똑한 자동차로 가는 첫 걸음을 우리가 만든 운전자 행동 파악 딥러닝 모델로 시작해보시죠!
2. 데이터셋 소개
이 데이터셋은 AI Hub에 있는 운전자 및 탑승자 상태 및 이상행동 모니터링 데이터셋을 기반으로 만들어졌습니다.
이 데이터셋에서는 총 6종의 이상행동을 분류할 수 있습니다.
훈련셋에 있는 이상행동의 종류로는 졸음운전, 음주운전, 물건찾기, 통화, 휴대폰 조작, 차량 제어, 운전자 폭행 총 3816건이 있습니다.
모든 파일은 .jpg혹은 .jpeg의 형태로 이루어져 있습니다. 이미지 사이즈는 1280 X 720 px입니다.
훈련 셋의 데이터 분포는 다음과 같이 이루어져 있습니다.
행동구분 | 데이터 건수 | 비율 | csv에 적힌 카테고리 |
---|---|---|---|
졸음운전 | 324 | 8.49% | 0 |
음주운전 | 1568 | 41.09% | 1 |
물건찾기 | 720 | 18.86% | 2 |
통화 | 676 | 17.71% | 3 |
휴대폰 조작 | 320 | 8.38% | 4 |
차량 제어 | 208 | 5.45% | 5 |
3. 베이스라인 모델 소개
베이스라인에 사용된 모델은 PyramidNet으로 ResNet을 기반으로 성능을 향상시킨 모델입니다. 차이점은 ResNet이 poolinig layer에서 feature map의 filter 수를 증가시키는 대신에, PyramidNet은 모든 layer에서 filter수를 증가시키고 residual unit을 적용합니다.
![](https://blog.kakaocdn.net/dn/bExs3D/btq0c1M9kXT/cEFvRWIZjzd61AzFgPrAFK/img.png)
4. 평가방법
평가 방법으로는 벤치마크로 10퍼센트의 데이터 중 맞춘 정답의 정답률 (Top1 accuracy)로 측정합니다.