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.
4. 평가방법
평가 방법으로는 벤치마크로 10퍼센트의 데이터 중 맞춘 정답의 정답률 (Top1 accuracy)로 측정합니다.