선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 하지만, 이에 대한 홍보 부족과 단속이 제대로 이루어지지 않아 전기차 사용자들에게 불편함을 겪는 경우가 잦다. 이 점에서 불법 주차를 방지하고, 경고를 주기 위해 실시간 객체 탐지 딥러닝 기법인 YOLO[2,3]를 이용해 현재 전기차 번호판이 가지고 있는 특징인 2가지 EV 마크를 학습하고 학습데이터를 가지고 전기차 번호판과 일반 차량 번호판을 구분한 후 경고를 주는 시스템을 개발하였다. 지난 논문[8]에서 개발한 기법은 라즈베리파이에서 YOLO를 구현하고자 하였으나 초당 처리속도 문제로 현실성이 부족하여 라즈베리파이는 영상을 서버로 전송하는 역할과 경고시스템을 구현하도록 개발하고 영상인식은 딥러닝 서버에서 실시간으로 인식하도록 개발하여 현실적인 성능을 나타내어 개선하였다.
- 학습을 시킬 때 데이터셋의 사진 해상도가 높을수록 학습을 위한 시간 오래 걸리거나 학습 자체가 불가능하기 때문에 학습환경으로 Ryzen 2990WX, 64GB RAM, NVIDA TITAN Volta 2way(12GB RAM, 5,120개 CUDA코어)인 워크스테이션을 사용했다. 학습량은 최대 학습 횟수인 45,000회까지 학습을 진행했으며, 마크로 체크한 자동차 번호판(Car Plate)와 플러그(Plug)의 인식률은 95%까지 인식을 확인했다.
대상 데이터
- YOLO_MARK에서 마크(MARK)한 것을 토대로 Darknet에서 학습을 시켜 가중치 파일을 만든다. 학습을 시킬 때 데이터셋의 사진 해상도가 높을수록 학습을 위한 시간 오래 걸리거나 학습 자체가 불가능하기 때문에 학습환경으로 Ryzen 2990WX, 64GB RAM, NVIDA TITAN Volta 2way(12GB RAM, 5,120개 CUDA코어)인 워크스테이션을 사용했다. 학습량은 최대 학습 횟수인 45,000회까지 학습을 진행했으며, 마크로 체크한 자동차 번호판(Car Plate)와 플러그(Plug)의 인식률은 95%까지 인식을 확인했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.