원문정보
초록
영어
In contemporary society, traffic concerns and road safety are of paramount importance. Overloading and improper loading significantly jeopardize road safety. Leveraging AI Hub's CCTV traffic videos, overloading hazard data, and Yeosu Sunsin Bridge HS-WIM data from Jeollanam-do, we've crafted detection models. These models facilitate the development of a vehicle detection system calibrated for specific scenarios, making the detection of overloading and loading discrepancies more accessible. Such a system promises to streamline detection operations while substituting manual efforts with AI, thereby economizing on both time and resources.
목차
ABSTRACT
1. 서론
2. 과적 의심차량 추적을 위한 학습 데이터 셋 활용
2.1 CCTV 교통 영상 데이터 셋 활용
2.2 과적차량 도로 위험 데이터 셋 활용
2.3 이순신대교 HS-WIM 데이터 셋 활용
3. 과적 의심차량 추적 알고리즘 개발
3.1 CCTV 교통 영상 데이터 셋을 활용한 모델 학습
3.2 과적차량 도로 위험 데이터 셋 활용한 모델 학습
3.3 HS-WIM 데이터를 활용한 모델 학습
4. 실험 및 결과 분석
4.1 교통 영상 데이터 셋을 활용한 모델 성능
4.2 과적차량 도로 위험 데이터 셋 활용한 모델 성능
4.3 HS-WIM 데이터를 활용한 모델 성능
5. 결론
후기
References
1. 서론
2. 과적 의심차량 추적을 위한 학습 데이터 셋 활용
2.1 CCTV 교통 영상 데이터 셋 활용
2.2 과적차량 도로 위험 데이터 셋 활용
2.3 이순신대교 HS-WIM 데이터 셋 활용
3. 과적 의심차량 추적 알고리즘 개발
3.1 CCTV 교통 영상 데이터 셋을 활용한 모델 학습
3.2 과적차량 도로 위험 데이터 셋 활용한 모델 학습
3.3 HS-WIM 데이터를 활용한 모델 학습
4. 실험 및 결과 분석
4.1 교통 영상 데이터 셋을 활용한 모델 성능
4.2 과적차량 도로 위험 데이터 셋 활용한 모델 성능
4.3 HS-WIM 데이터를 활용한 모델 성능
5. 결론
후기
References
저자정보
참고문헌
자료제공 : 네이버학술정보