juooo1117

Service Overview 1. 서비스 설계도 2. 화면별 제공 기능 [메인화면 - 일반사용자 대상] 사용자는 네비게이션 지도에 가고싶은 목적지를 클릭하고, 안내된 주행 경로에 따라서 운행을 한다. 이 때 주행하면서 파손된 객체를 자동으로 탐지하고 해당 정보는 프로그램 DB로 전송된다. 운전자가 사전 탐지된 객체 범위에 도달하면 음성으로 알림을 보내고, 파손된 객체의 정보도 확인이 가능하다. [메인화면 - 지자체 사용자 대상] 지자체 사용자는 로그인 후, 날짜와 지역을 입력하여 해당 범위에 있는 파손물 정보를 확인할 수 있다. 마커의 색상에 따라 탐지 기간을 파악할 수 있다. (파랑: 1주일 이내 / 주황: 1주~1개월 이내 / 빨강: 1개월 이상) 지도를 확대, 축소하면 해당 범위에 있는 파손물이 ..

Architecture of Inference Engine 학습된 모델을 가지고 실제 기능을 구현하기 위해서 inference engine 구조를 다음의 그림과 같이 설계했다. 추론을 위한 주요 로직은 아래의 flow chart와 같이 구성하였고, 크게 3부분으로 나누어서 작업을 수행하도록 했다. Section1 : 검출된 객체를 화면에 출력하는 단계 순차적으로 프레임을 한 장씩 돌면서, 학습된 모델을 이용해서 정보를 검출하여 추론 결과를 받아 저장한다. → 이 때, 추론된 결과는 탐지된 객체의 bbox, cls_id 정보이다. 검출된 객체의 cls_id 가 ‘파손’ 카테고리에 해당하는지 확인해서, ‘파손’ 카테고리에 해당하는 것들만 추출하고, 현재 프레임에서 검출된 모든 객체의 bbox와 카테고리명을 ..

Modeling Process Architecture 목표: 기존 YOLOv8n에 custom dataset을 이용해서 transfer learning 을 통한 obstacle detection model 완성 Dataset setting AIhub 내 이미지 데이터 수집 지자체 도로부속시설물 파손 데이터 : 도로정비 대상이 되는 도로부속시설물 파손데이터 16종 (데이터 구축년도 - 2022년 / 구축량 - 422,610장) Data Converting annotation 파일에서 사용할 정보 추출 AI HUB dataset 에서 다운로드 받은 자료를 살펴보니, 이미지 한 장 당 annotation 정보를 담은 json 파일이 1개씩 존재한다. 따라서 각 json 파일에서 필요한 정보만 추출해서 사용하기..

Road Obstacle AI Detection service AI기반 도로장애물 탐지 서비스: 도로시설물의 파손으로 인해서 불편을 겪는 시민들이 많아지고 있다. 따라서 이러한 불편을 쉽게 해소하고자, object detection model 을 이용해서 빠르게 도로장애물의 파손여부를 파악할 수 있도록 하는 서비스를 만들어서, 실제로 도로를 이용하고 관리하는 사용자들에게 도움이 될 수 있도록 함을 목적으로 한다. 도로장애물로 인해서 사용자들의 불편호소 및 처리요청 민원은 꾸준하게 증가하는 반면에, 실제로 도로장애물의 파손을 파악하고 유관부서에서 실제로 보수하는데에는 오랜 기간이 소요됨을 확인하였다. 따라서 파손된 도로시설물을 빠르게 파악하고, 신속한 유지보수가 이루어질 수 있도록 서비스의 기능을 구성하였..