- 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.
- https://www.hyundai.co.kr/story/CONT0000000000076724
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