출구 막힘 상태 판단을 위한 CNN 모델

Abstract

본 논문에서는 출구 막힘 상태를 판단하는 CNN 모델에 대하여 제안한다. 제안 방법은 산업 현장의 CCTV에서 수집한 영상을 이용하여 출구 막힘 상태 판단을 위한 여러 CNN 모델들을 학습시키고, 정확도를 비교하여 성능이 가장 좋은 모델을 제안하는 것으로 한다. CNN 모델로는 기존에 잘 알려진 VGGNet, ResNet, DenseNet 및 NASNet을 사용하고, 각 모델에 대한 정확도를 확인하여 비교하였다. 실험 결과, 모든 모델의 정확도가 99% 이상을 보였으며, 특히 VGGNet과 DesneNet 모델은 99.78%로 정확도가 가장 높은 것을 확인하였다. 더불어 VGGNet 및 DesneNet 두 모델의 복잡도를 고려하였을 때, 본 출구 막힘 상태 판단의 문제에 VGGNet모델이 가장 적합한 것을 확인하였다. 이는 출구 막힘 상태를 판단하는 문제가 어렵거나 복잡하지 않고 상대적으로 간단하기 때문이며, 이로부터 복잡하고 깊은 신경망이 모든 문제에서 항상 좋은 결과를 도출해 내지 않는다는 것을 확인하였다. 그렇기 때문에 본 논문에서는 출구 막힘 상태 판단을 위한 CNN 모델로 VGGNet을 제안한다.