Detailed Information

Cited 0 time in webofscience Cited 0 time in scopus
Metadata Downloads

CAM 기반의 계층적 및 수평적 분류 모델을 결합한 운전자 부주의 검출 및 특징 영역 지역화Distracted Driver Detection and Characteristic Area Localization by Combining CAM-Based Hierarchical and Horizontal Classification Models

Other Titles
Distracted Driver Detection and Characteristic Area Localization by Combining CAM-Based Hierarchical and Horizontal Classification Models
Authors
고수연최영우
Issue Date
Nov-2021
Publisher
한국정보처리학회
Keywords
운전자 부주의 검출; 합성곱신경망; CAM(Class Activation Map); 주의영역 지역화; Distracted Driver Detection; Convolutional Neural Networks; Class Activation Maps; Attention Area Localization
Citation
정보처리학회논문지. 소프트웨어 및 데이터 공학, v.10, no.11, pp.439 - 448
Journal Title
정보처리학회논문지. 소프트웨어 및 데이터 공학
Volume
10
Number
11
Start Page
439
End Page
448
URI
https://scholarworks.sookmyung.ac.kr/handle/2020.sw.sookmyung/146108
DOI
10.3745/KTSDE.2021.10.11.439
ISSN
2287-5905
Abstract
교통사고 원인 중 가장 큰 비율을 차지하는 것이 운전자의 부주의로서 이를 검출하는 연구가 꾸준히 진행되고 있다. 본 논문은 부주의한 운전자를정확히 검출하고, 검출된 운전자의 모습에서 가장 특징적인 영역을 선정(Localize)하는 방법을 제안한다. 제안하는 방법은 운전자의 부주의를 검출하기 위해서 CAM(Class Activation Map) 기반의 전체 클래스를 분류하는 CNN 모델과 이 모델에서 혼동하거나 공통된 특징 영역을 갖는 클래스들에대한 상세 분류가 가능한 네 개의 서브 클래스 CNN 모델을 계층적으로 구성한다. 각 모델에서 출력한 분류 결과는 CNN 특징맵들과의 매칭 정도를표현하는 새로운 특징으로 간주해서 수평적으로 결합하고 학습하여 분류의 정확성을 높였다. 또한 전체 및 상세 분류 모델의 분류 결과를 반영한히트맵 결과를 결합하여 이미지의 특징적인 주의 영역을 찾아낸다. 제안한 방법은 State Farm 데이터 셋을 이용한 실험에서 95.14%의 정확도를얻었으며, 이는 기존에 동일한 데이터 셋을 이용한 결과 중 가장 높은 정확도인 92.2%보다 2.94% 향상된 우수한 결과이다. 또한 전체 모델만을이용했을 때 찾아진 주의 영역보다 훨씬 의미 있고 정확한 주의 영역이 찾아짐을 실험으로 확인하였다.
Files in This Item
Go to Link
Appears in
Collections
공과대학 > 소프트웨어학부 > 1. Journal Articles

qrcode

Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.

Related Researcher

Researcher Choi, Yeong Woo photo

Choi, Yeong Woo
공과대학 (소프트웨어학부)
Read more

Altmetrics

Total Views & Downloads

BROWSE