유사도 기반 선별적 데이터 활용을 통한 차량 내 비전 시스템의 실시간 적응형 파인튜닝 기법 연구

• 영문명: Real-Time Adaptive Fine-Tuning Techniques for In-Vehicle Vision Systems using Similarity-Based Selective Data Utilization
• 발행기관: 한국전자통신학회
• 저자명: 박공명(Gong-Myeong Park) 박승민(Seung-Min Park) 김요한(Yo-Han Kim)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제3호, 629~636쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

최근 차량 내부 비전 시스템은 다양한 주행 상황환경에서의 인식 정확도를 향상시키기높이기 위해 지속적인 데이터 수집과 모델 개선이 요구되고 있다필수적이다. 특히, 차량이 주행 중에 수집되는하는 새로운 데이터에상황에 적응하기 위해 실시간 또는 주기적인 모델 파인튜닝이 중요하다. 그러나 실시간 학습을 위해에 필요한 데이터의 양은 방대하며, 이를 모두 활용하는 것은 연산 자원 및과 저장 공간 측면에서 비효율적일 수 있다. 이에이를 해결하기 위해, 본 연구에서는 주행 중 수집된 데이터 중에서 유사도 알고리즘을 기반으로 선별된 정보만을 활용하여 연산 및 데이터 저장의 효율성을 높인효율적인 실시간 적응형 파인튜닝 기법을 제안한다. 제안하는된 기법은 리소스자원 소모를 줄이면서도 모델 성능을 효과적으로 개선할 수 있으며, 실제 차량 내 환경을 모사한 실험에서 그 효과성을 확인하였다.높은 효율성을 달성하였다.

영문 초록

In-vehicle vision systems increasingly require continuous data collection and model updates to maintain high recognition accuracy across diverse driving conditions. Especially during driving, real-time or periodic fFine-tTuning of models is essential for adapting to new scenarios. However, leveraging all collected data is impractical due to the massive volume and the limitations of computational and storage resources. To address this, we propose a real-time adaptive fFine-tTuning method that selectively utilizes only meaningful data based on similarity analysis from the continuously collected video. This approach effectively improves model performance while minimizing resource usage. Experiments conducted in a simulated in-vehicle environment demonstrate the efficiency and effectiveness of the proposed method.

목차

Ⅰ. 서 론

Ⅱ. 관련연구

Ⅲ. 유사도 기반 데이터 선별 및 차량 내부비전 시스템의 실시간 적응형 파인튜닝 기법

Ⅳ. 실험 및 실험결과

Ⅴ. 결론

References

키워드

딥 러닝 자율 주행 유사도 지도 학습 온디바이스 AI (명사와 명사 사이는 띄어쓰세요. 예) 지도 학습) Deep Learning Autonomous Vehicle Similarity Supervised Learning On-Device AI YOLOv8