Deep Learning based Detector for Avoiding Dangerous Road Surfaces and Facilities

파손된 도로 노면과 방치된 도로 시설물을 회피하는 것은 안전한 보행과 운전을 위하여 매우 중요하다. 이를 위해서는 정확하고 효율적인 객체 탐지가 필요한데, 광대한 도로와 시설물을 사람이 수동으로 검사하는 비효율성과 제한을 해결하기 위해 YOLO 기반 검출 모델을 제안한다. 본 연구에서는 Kaggle의 공개 빅데이터와 로보플로우 데이터를 수집한 후, 포트홀과 같은 도로 결함과 위험 시설물 검출에 YOLO 사용자 지정 모델을 활용하였다. 포트홀의 경우, 이미지에서 포트홀의 위치와 존재를 식별하여 성능 지수 mAP50 0.754를 달성하였다. 도로 시설물의 경우 공개 데이터와 이미지를 학습하여 5가지 클래스로 분류하였고, mAP50 0.971의 우수한 성능을 달성하였다. YOLO는 v1부터 v8까지 여러 버전이 있으며, 세부 구조의 차이로 인해 데이터셋에 따라 각 버전마다 성능이 다르게 나타난다. 본 연구에서는 구조적 차이가 큰 v5, v7, v8에 대해 동일한 데이터셋으로 실험을 진행했으며, 그 결과 YOLO-v5가 가장 우수한 성능을 보였다. 파손 패턴 이미지를 좀 더 수집하면 예측 성능을 더 높일 수 있다.