상세 보기
공간 혼잡도 추정을 위한 딥러닝 프레임웍 및 머 신러닝 기법과의 성능 비교
Deep Learning Framework for Spatial Crowdedness Estimation and Comparison Analysis with Machine Learning
- Ahtesham Bakht;
- 이현수
초록
혼잡도 추정은 머신러닝를 비롯한 관련 분야에서 중요한 연구요소로 여겨져 왔다. 본 연구는 이러한 혼잡도 추정에서 주차장 공간의 혼잡도 추정에 초점을 맞춘다. 대부분의 주차장혼잡도는 설치된 센서에 의하여 직접적으로 산출되어 왔으나, 본 연구는 두가지 기법을 비교분석하여 혼잡도 추정이 간접적으로 측정 가능함을 보여준다. 먼저, 컨볼루션 신경망 기반의딥러닝을 통하여 혼잡도를 추정하고, 이를 방향 히스토그램 기반의 서포트 벡터머신 기법과비교 분석한다. 테스트 사례로서, 오픈 주차공간 이미지 데이터에 기반하여 두 기법을 적용하고, 이를 통해 공간 혼잡도 추정 성능을 비교 분석한다. 비교분석의 결과로서, 컨볼루션 신경망 기반의 공간 혼잡도 추정이 전통적인 방법보다 효과적이라는 것을 보여주며, 이를 통해여러 노출 공간의 혼잡도 추정에 적용 가능함을 보인다
키워드
Crowdedness Estimation; Deep Learning; Convolution Neural Network; Histogram of Gradient; Support Vector Machine; Comparison Analysis; 혼잡도 추정; 딥러닝; 컨볼루션 신경망; 방향 히스토그램; 서포트 벡터 머신; 성능비교 분석
- 제목
- 공간 혼잡도 추정을 위한 딥러닝 프레임웍 및 머 신러닝 기법과의 성능 비교
- 제목 (타언어)
- Deep Learning Framework for Spatial Crowdedness Estimation and Comparison Analysis with Machine Learning
- 저자
- Ahtesham Bakht; 이현수
- 발행일
- 2022-02
- 저널명
- 한국지능시스템학회 논문지
- 권
- 32
- 호
- 1
- 페이지
- 76 ~ 85
- 언어
- KOR
- 출판사
- 한국지능시스템학회
- 발행국가
- 대한민국
- 분량
- 10 페이지
- ISSN
- P 1976-9172