YOLOv11 기반의 다중 클래스의 이미지 분할을 사용한 주행 가능한 도로 영역 감지

• 영문명: Drivable Road Area Detection using Multi-class Image Segmentation based on YOLOv11
• 발행기관: 한국전자통신학회
• 저자명: 서정희(Jung-Hee Seo)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제3호, 621~628쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

본 연구는 YOLO 모델을 활용하여 다중 클래스에 대한 주행 가능한 도로 영역 감지를 위한 프레임워크를 제안한다. 본 논문의 실험은 실제 운전장면과 공개용을 포함하는 데이터셋을 구축하고 도로 영역을 효과적으로 검출하고, 주행 가능한 영역의 세그멘테이션에 대한 성능을 정량적 및 시각적으로 분석한다. 실험 결과, mAP50(B)는 약 0.9까지 상승하여 예측 위치 정확도는 높은 것으로 판단되고, mAP50-95(B)는 0.45로 다양한 IoU 임계값에 대한 예측률도 변동이 적다. mAP50(M)는 대략적으로 0.88, mAP50-95(M)는 0.41∼0.43 사이로 세분화된 예측도 높을 것으로 판단된다. 정밀도(Precision)는 0.85 이상으로 측정되어 객체 예측률이 높게 나타난다. 재현율(Recall)은 0.85∼0.90 사이로 신뢰할 수 있는 예측이 가능하다. 시각적 분석에서는 직진 도로와 곡선 도로, 좌·우회전의 예측은 우수하다고 평가된다. 그러나 좌·우회전의 도로 영역 예측에서는 다른 차선을 같이 예측하는 오류가 나타나고 있어 제안된 모델의 분할 정확도를 향상할 필요가 있다.

영문 초록

This research proposes a framework for detecting drivable road areas for multiple classes using the YOLO model. The experiments in this paper construct a dataset that includes real driving scenes and public ones, and quantitatively and visually analyze the performance of effectively detecting road areas and segmenting drivable areas. As a result of the experiments, mAP50(B) is increased to about 0.9, which is considered to be high in predicted location accuracy, and mAP50-95(B) is 0.45, which shows little variation in prediction rates for various IoU thresholds. mAP50(M) is approximately 0.88, and mAP50-95(M) is between 0.41 and 0.43, which is considered to be high in segmented predictions. Precision is measured to be over 0.85, which indicates a high object prediction rate. Recall is between 0.85 and 0.90, which allows reliable predictions. In visual analysis, the prediction of straight roads, curved roads, and left and right turns is evaluated as excellent. However, in the prediction of the road area of left and right turns, an error occurs in predicting other lanes together, so it is necessary to improve the segmentation accuracy of the proposed model.

목차

Ⅰ. 서 론

Ⅱ. 방법론

Ⅲ. 구현 결과 및 분석

Ⅳ. 결 론

References

키워드

이미지 시각화 도로 영역 감지 도로 분할 Image Visualization Road Area Detection Road Segmentation YOLO