소프트웨어학과

구분

내용

추진 배경

□ 자율주행 차량 내 비전 시스템은 다양한 환경에 실시간 적응이 필요하지만 고정된 모델로는 한계가 있음.

□ 제한된 차량 내 자원(연산, 저장공간)으로는 대규모 학습·갱신이 어려움.

□ 효율적이고 경량화된 실시간 학습 방식이 요구됨.

목표 및 내용

□ 실시간 수집 프레임 중 유사도가 낮고 의미 있는 데이터를 선별하여 파인튜닝에 활용하는 방식 제안함.

□ ResNet50 임베딩 → 코사인 유사도 계산 → 일정 범위(0.7~0.9) 내 프레임만 학습에 사용함.

□ YOLOv8n 객체 인식 모델을 활용하여 기존 대비 성능 비교 및 향상 검증 수행함.

• 수행결과

□ 유사도 기반 데이터 선별 적용 시 mAP50: 0.963, mAP50-95: 0.863로 가장 높은 성능 기록함.

□ 중복 데이터 제거를 통해 저장 공간 절약 및 연산량 감소 확인함.

□ 모델 일반화 성능 향상 및 실시간 적응형 차량 비전 시스템의 실용성 검증함.