AI 모델 학습 및 서비스 연동
AI 모델 작업
위험 장면 탐지 기준을 서비스 흐름에 연결했습니다.
ROADAEYE에서 위험 가능 프레임을 먼저 선별하는 Keras 게이트와 객체 위치·종류를 찾는 YOLO 탐지 모델을 반복 학습했습니다.
실패 원인을 다음 실험에 반영하고, 확인 가능한 내부 평가와 서비스 연동 범위만 공개합니다.
- 위험 프레임 선별
- Recall 100%
- Keras v14 · 내부 테스트 112장
- 객체 위치·종류 탐지
- mAP50 99.00%
- YOLOv11m v3 · 120 epoch 최종 검증
- 학습 데이터
- 14,330장
- 10개 클래스
담당 범위
- Keras 분류 모델의 반복 학습과 버전별 성능 분석
- YOLOv11m 추가 학습과 세 버전 비교
- 전처리 충돌·클래스 편향·과도한 증강의 실패 원인 분석
- AI 추론 서버와 관제 서비스의 내부 시제품(PoC) 연동
핵심 설계 판단
Keras는 최종 판정기가 아니라 YOLO 추론 전에 위험 가능 프레임을 거르는 1차 게이트입니다. 임계값을 0.3으로 낮춰 일부 오탐 증가보다 위험 프레임 미탐 감소를 우선했고, 전체 정확도(Accuracy)와 함께 위험 재현율(Danger Recall)· 미탐(False Negative)을 확인했습니다.
Recall 100%는 이 설계 목적과 내부 테스트셋 112장 범위에서 나온 결과이며, 운영 환경 전체의 성능을 의미하지 않습니다.