A Study on Real-time Right-turn Accident Prevention Model Using YOLO Object Detection and Transfer Learning

본 연구는 YOLOv7 모델을 활용하여 우회전 교차로에서 보행자와 차량을 탐지하고, 제한된 리소스 환경에서도 실시간 탐지가 가능한 시스템을 구현하고자 하였다. 이를 위해 AIHub 교통 데이터 세트와 커스텀 데이터 세트를 결합하고, 데이터 전처리 및 증강 기법을 적용하여 학습 데이터의 품질을 강화하였다. 특히 커스텀 데이터 세트는 교차로 환경을 실제와 유사하게 설계하여 탐지 성능을 높이는 데 기여하였다. 모델 학습 과정에서 YOLOv7 모델은 학습률 0.1, 배치 크기 8, 에포크 200회로 설정하였으며, 입력 이미지 크기는 640×640으로 통일하였다. 학습 결과, YOLOv7 모델은 [email protected]에서 93.2%, [email protected]:0.95에서 76.5%의 성능을 기록하였으며, 평균 응답 시간은 118ms로 Jetson Nano 환경에서도 실시간 탐지가 가능함을 확인하였다. 이는 기존 YOLOv7 모델 대비 성능이 개선되었으며, 제한된 환경에서도 높은 정확도와 신뢰성을 제공함을 입증하였다. 본 연구는 YOLOv7 기반 객체 탐지 시스템이 실시간 안전 모니터링 및 경고 시스템으로 활용 가능함을 제시하였다. 향후 연구에서는 하이퍼파라미터 최적화, 관심 영역(ROI) 조정, 경고 알고리즘 개선 등을 통해 시스템의 실시간성과 신뢰성을 더욱 강화할 계획이다.