사양한계 #36
Chris Bae이(가) 약 3년 전에 변경
고객이 영상 또는 이미지를 확인하고 이를 민원과 관련된 영상 또는 이미지라고 클라이언트 웹/앱을 통해 편집 및 선택 등의 과정을 거쳐 등록하면, 해당 데이터는 학습을 위한 입력데이터로 사용됩니다. 이 입력데이터를 통해 모델이 개발되며, 모델을 통해 이후에 비슷한 영상, 이미지가 입력데이터로 수집되면 해당 영상과 이미지가 민원과 관련된 영상 또는 이미지인지 아닌지를 예측하여 판단한 결과를 제공합니다.
해당 모델에 대한 해석은 다음과 같이 할 수 있습니다.
★★ 민원이 접수된 데이터를 바탕으로 잠재적 도로관리 대상과 연관된 영상 또는 이미지를 자동으로 발견하기 위한 모델
차량A
프레임 타입 길이 구간시작 구간종료 프레임 타입 길이 구간시작 구간종료
1 이미지 0:00 11:00 11:00
2 이미지 0:00 10:22 10:22 (고객이 영상 또는 스트리트뷰 등을 통해 해당 차량이 해당시점에 민원발생 지점을 지나갔다고 판정)
차량B
프레임 타입 길이 구간시작 구간종료
1 이미지 0:00 29:11 29:11 (고객이 영상 또는 스트리트뷰 등을 통해 해당 차량이 해당시점에 민원발생 지점을 지나갔다고 판정)
2 이미지 0:00 15:03 15:03
차량A의 09:40 데이터와 자동차B의 10:55 데이터를 학습시켜 딥러닝 모델을 개발합니다.모델이 개발되면 추가적으로 입력되는 차량의 센서데이터를 입력으로 하여 결과를 예측하고 예측이 일치하면 모델학습을 강화하며, 예측이 실패한 경우 예측 정확도를 높이기 위한 변수를 재설정하여 예측 정확도를 높이는 작업을 진행합니다.
변수 설정에 대한 예시와 가설은 다음과 같이 설정될 수 있습니다.
가설) 유사항 차량 타입(예: 버스, 택시)에 대한 예측모델은 같은 차량 타입의 결과 예측에 더 정확할 것이다.
★★ 간단히 말해 버스는 버스끼리 택시는 택시끼리 예측모델을 개발하여 예측에 활용한다는 뜻입니다.
뒤로