sol’s blog
DL 프로젝트 - 운전자 이상 행동 분류
오버피팅 방지를 위한 Regularization 기법 실험 계획
Bi-LSTM + Attention 모델로 변경 고민
영상에서 추출한 프레임들의 종횡비를 고려하지 않은 채 224 x 224 로 리사이즈하여 생겼던 왜곡을 다시 원상태로 돌리고, 모델을 다시 돌려봐야하는 단계에서 Bi-LSTM + Attention 모델로 변경하는 것이 어떨지에 대한 얘기가 회의 중에 나와서 관련 논문을 읽고 비교를 해본다. Detecting Driver Behavior Using Stacked LSTM Network With Attention Layer Bi-LSTM은 두 개의
yaw, pitch 결측 프레임 수 확인 및 선형보간 기준 정하기
한 그룹(LSTM 1 input)에서 최대로 결측된 프레임 수는 9개이지만, 연속된 건 4개. → 9개 프레임이나 얼굴 탐지를 못 한 그룹은 라벨이 normal 이기도 하니까 드랍하고 나머지는 선형 보간
yaw, pitch 재추출 후 EDA
L2CS-Net모델로 시선의 수평각도, 수직각도를 추출한 후 운전자의 문자 행동을 구분할만한지 EDA
Ahmednull/L2CS-Net 모델 오류
Ahmednull/L2CS-Net 모델 분석 및 오류 해결
모델 고민(YOLO + CNN + LSTM)
데이터를 AI HUB, YawDD 로 확정 후 YOLO + CNN + LSTM 모델 구조로 고민
운전자 주의 분산 데이터 탐색
운전자 이상 행동 분류 프로젝트를 기획하면서 사용할 데이터들 서치 및 정리
운전자 주의 분산 주제 논문 정리
운전자 이상 행동 분류 모델 설계를 하기 위해 읽었던 논문을 정리
운전자 주의 분산 분류 모델 레포 분석
운전자 이상 행동 분류 프로젝트를 기획하면서 참고하기 위해 찾아봤던 모델링 방식 정리