Core Concepts
컴퓨터 비전 기반 회귀 모델 SIWNet은 카메라 이미지로부터 도로 표면 마찰 특성을 예측하고, 예측 구간을 제공하여 불확실성을 정량화할 수 있다.
Abstract
이 논문은 겨울철 도로 상태 모니터링을 위한 컴퓨터 비전 기반 회귀 모델 SIWNet을 제안한다. SIWNet은 카메라 이미지로부터 도로 표면 마찰 특성을 예측하는 기능을 가지고 있다. 기존 연구와 달리, SIWNet은 예측 구간 추정 기능을 포함하여 예측의 불확실성을 정량화할 수 있다.
SIWNet의 아키텍처는 특징 추출 백본, 점추정 헤드, 그리고 예측 구간 헤드로 구성된다. 특징 추출 백본은 ResNet 구조를 기반으로 하며, 점추정 헤드는 도로 마찰 특성을 예측한다. 예측 구간 헤드는 예측의 불확실성을 추정하여 예측 구간을 출력한다. 예측 구간 헤드는 최대 우도 손실 함수를 사용하여 학습된다.
SIWNet은 SeeingThroughFog 데이터셋을 사용하여 학습 및 평가되었다. 이 데이터셋에는 카메라 이미지와 광학 도로 마찰 센서 데이터가 포함되어 있다. 실험 결과, SIWNet은 기존 최신 모델과 유사한 점추정 정확도를 달성하면서도 훨씬 더 경량화된 아키텍처를 가지고 있다. 또한 SIWNet의 예측 구간 추정 기능이 효과적으로 작동하는 것으로 나타났다.
Stats
도로 마찰 계수 예측 정확도(MAE): 0.078
도로 마찰 계수 예측 정확도(RMSE): 0.132
평균 예측 구간 점수: 0.482
Quotes
"SIWNet은 예측 구간 추정 기능을 포함하여 예측의 불확실성을 정량화할 수 있다."
"SIWNet은 기존 최신 모델과 유사한 점추정 정확도를 달성하면서도 훨씬 더 경량화된 아키텍처를 가지고 있다."