Tech Knowledge Note

🚶 1. 보행자 행동 예측이란 무엇인가?자율주행차의 핵심 과제 중 하나는 단순히 “사람을 인식”하는 것을 넘어,보행자가 앞으로 어떤 행동을 할지를 예측하는 것이다.예를 들어,보행자가 도로에 진입할 것인지,멈춰 설 것인지,혹은 갑자기 뛰어들 가능성이 있는지 등을 미리 판단하는 것이다.이러한 예측이 가능해야, 차량은 사전에 감속하거나 회피 기동을 수행할 수 있다.따라서 보행자 행동 예측 모델(Pedestrian Behavior Prediction Model) 은자율주행 시스템의 안전성과 반응성을 결정하는 핵심 요소다.🧠 2. 예측 모델의 핵심 아이디어보행자의 행동은 단일 이미지로 판단하기 어렵다.시간에 따라 변화하는 연속된 동작(Sequence) 을 분석해야 하며,따라서 시계열 기반 딥러닝 모델이 필요하..

🧠 1. 시퀀스(Sequence) 데이터란?딥러닝은 이미지뿐 아니라 시간의 흐름에 따라 변화하는 데이터, 즉 시퀀스 데이터(Sequence Data) 를 다룰 수도 있다.예를 들어, 다음과 같은 데이터가 시퀀스 데이터의 대표적인 예다.🎵 음성 데이터: 시간에 따라 변화하는 음파📈 주가 데이터: 하루하루의 주가 변동📱 텍스트 데이터: 단어 순서에 의미가 있는 문장이러한 데이터를 학습하려면, “이전 정보가 현재에 영향을 미치는 구조”가 필요하다.이때 사용되는 것이 바로 RNN(Recurrent Neural Network, 순환 신경망) 이다.🔁 2. RNN의 기본 개념RNN은 “기억하는 신경망”이다.기존의 CNN이나 MLP는 입력을 한 번에 처리하지만,RNN은 이전 단계의 출력(Output) 을 다..

🚗 1. CNN을 활용한 이미지 분류, 직접 구현해보기앞선 글에서는 합성곱과 풀링 연산을 통해 CNN의 작동 원리를 살펴보았다.오늘은 그 이론을 바탕으로 실제로 차량과 보행자를 구분하는 CNN 모델을 구현해본다.이 실습은 자율주행의 핵심 기술 중 하나인 객체 인식(Object Recognition) 의 기초 단계다.즉, 차량과 보행자를 정확히 분류할 수 있어야 안전한 주행 판단이 가능하다.🧩 2. 데이터 준비: 차량 vs 보행자 이미지먼저 분류를 위해 두 가지 클래스의 이미지를 준비해야 한다.🚘 Class 1: Vehicle (차량)자동차, 버스, 트럭 등 도로 위 차량 이미지🚶 Class 2: Pedestrian (보행자)횡단보도를 건너거나 길을 걷는 사람 이미지이 데이터는 Kaggle이나 Op..