자율주행 트랙

자율주행 성능을 높이는 객체 인식 프로젝트 후기

2025년 2월 25일

1차 프로젝트 개요: 자율주행 주차 공간 탐지 및 기술 구현

자율주행 기술의 핵심은 정확한 이미지 처리와 객체 인식입니다. 엘리스 자율주행 트랙 1기 1차 프로젝트에서는 실내외 주차장에서 주차 가능 공간을 실시간으로 탐지하고, 그 중 가장 가까운 주차 공간을 자동으로 탐색하는 기술을 성공적으로 구현했습니다.

자율주행 프로젝트 주요 목표

  • 주차 가능 공간 탐지

  • 가장 가까운 주차 공간 자동 인식

  • 주행 가능 공간, 주차 가능 공간, 최적 주차 공간 시각화


실내외 주차장에서의 기술 구현 성과

실내 주차장 탐지 기술

  • 노란색 : 주차 가능한 공간

  • 초록색 : 주행 가능한 공간

  • 파란색 : 가까운 차량 인식

  • 빨간색 : 보행자 인식

주차 공간 탐지는 정확도가 높여, 주차 가능 공간 중에서도 가장 가까운 위치를 명확히 인식하고 보행자를 인지하여 피할 수 있도록 하는 것이 중요합니다!

특히 카메라로 인식하는 경우 실외 주차장에서 밝은 주간 시간과 어두운 상황에서 균형있는 인식이 필요한대요.

실외 주차장 (주간)

  • 충분한 조명 덕분에 물체, 주행 가능 공간, 주차 공간을 명확하게 탐지

  • 실내와 동일한 수준의 정확도를 유지

실외 주차장 (야간)

  • 어두운 환경에서도 주차 차선 인식 가능

  • 실시간 탐지 정확도가 높은 수준으로 유지되어, 신뢰할 수 있는 결과 제공

낮과 밤 상황에서도 어떻게 인식하는지 충분히 비교 테스트를 통해 성능을 높여보는 작업을 진행해 보았습니다!


프로젝트 주요 기술 스택 소개

  • Python: 데이터 분석 및 전처리

  • OpenCV: 객체 탐지 및 영상 처리

  • Detectron2: 인스턴스 세그멘테이션

  • Nvidia CUDA: GPU 가속 처리

  • COCO 데이터셋: 객체 탐지 학습 데이터

자율주행 트랙은 1차 프로젝트에서 위의 기술들을 사용하기 위해
사전 자료 제공 및 역량테스트를 통해 수업에 따라오실 수 있는 분들께 최종 합격 안내를 드리고 있어요!

자율주행 트랙에 합류하고 싶다면, 꼭 사전알림신청 해두시고 개강 후 바로 사전 자료를 받아보시길 추천드립니다.

프로젝트 구성 인원

데이터셋 담당 (2명)

  • 데이터 수집 및 분석

  • COCO 형식으로 변환하여 학습 데이터 준비

  • 모델 담당 (2명)

    • 객체 탐지 모델 선정 및 구현

    • 모델 학습 및 시각화 서비스 구축

프로젝트 주간에는 4명의 팀원들과 역할분담한 후 코치님과 함께 프로젝트를 진행합니다!


최적의 솔루션을 찾아가는 과정: Mask R-CNN vs Detectron2


왜 모델 선택이 중요한가?

자율주행 기술에서 가장 핵심적인 요소 중 하나는 정확하고 빠른 객체 인식입니다. 주차 공간 탐지와 같은 실시간 서비스를 구현하기 위해서는 단순히 인식 정확도가 높은 것만으로는 충분하지 않습니다. 처리 속도, 정확도(mAP), 학습 시간 등 다양한 요소들을 종합적으로 고려해 최적의 모델을 선택해야 합니다.

이 과정에서 두 가지 강력한 딥러닝 기반 객체 탐지 모델인 Mask R-CNNDetectron2를 비교하고, 각각의 특성과 성능을 분석해 최종 선택을 내릴 수 있었는데요. 이 선택 과정은 단순한 성능 비교 이상의 의미를 지니며, 모델 최적화실시간 서비스 환경에 대한 깊은 이해로 이어졌습니다. 현직 코치님과 함께 하니 두 가지 모델을 비교하는 것도 꽤 수월하게 할 수 있었습니다.

비교 항목

Mask R-CNN

Detectron2

GPU

A100

A100

데이터 분할 (Train/Val)

3,519 / 885

25,735 / 6,439

학습 속도 (FPS)

5~6

18

최종 Val Loss

1.4571

0.6767

mAP (정확도)

61.5

72.6 (주행 공간) / 65.8 (주차 공간)

처리 속도

0.18s / 이미지

0.055s / 이미지

▲ 모델 비교 예시 표

1차 프로젝트 끝난 뒤, 후기

수강생들의 생생한 후기

  • 데이터 전처리 과정의 중요성을 깨닫는 계기가 되었어요! (정보통신학 전공, 23세)

  • 대용량 데이터 처리와 모델 구현에 대한 귀중한 경험이었어요! (자율주행 경진대회 수상자, 25세)

  • 협업과 소통의 중요성을 체감한 실무 경험이었습니다. (프로그래밍 독학, 41세)

현업 전문가의 피드백과 실무 중심 멘토링까지!

엘리스 자율주행 트랙에서는 현업에서 충분한 경험을 거친 전문가와 함께 실무 중심의 멘토링을 받을 수 있습니다.

왜 엘리스트랙인가요?

  • 실무에 특화된 AI 프로젝트 경험

  • 고성능 GPU 자원으로 대용량 데이터 처리 능력 강화

  • 모델 선정부터 실시간 서비스 구현까지 직접 실습

"어떤 기술을 선택해야 할까?", "실제 환경에서 적용 가능할까?" 같은 고민이 있다면, 엘리스 자율주행 트랙에서 맞춤형 코칭을 받아보세요.


프로젝트 성공을 위한 완벽한 로드맵

데이터 전처리부터 모델 학습까지 전 과정을 실습
ROS 기반 버추얼 차량 2차 프로젝트까지!
현업 전문가 피드백 및 실시간 멘토링


가장 빠른 개강 안내는? 사전 알림 신청!

자율주행 객체 인식 기술로 성공적인 커리어를 시작하고 싶다면, 지금이 기회입니다.
사전 알림 신청하기

어려운 취업 시장에서 실무 중심의 기술 포트폴리오는 이제 필수입니다.
엘리스트 자율주행트랙과 함께 경쟁력 있는 커리어를 완성해 보세요!



(주) 엘리스그룹 | 주소: 서울특별시 강남구 선릉로 433 (역삼동, 세방빌딩) 6층,16층

대표자 김재원 | 통신판매업 신고번호: 제2022-서울강남-04515호 | 사업자등록번호 581-88-00303 | 전화 1833-6068 | 이메일 kdt@elice.io

Copyright ⓒ 2025 elice. All rights reserved.

(주) 엘리스그룹 | 주소: 서울특별시 강남구 선릉로 433 (역삼동, 세방빌딩) 6층,16층

대표자 김재원 | 통신판매업 신고번호: 제2022-서울강남-04515호 | 사업자등록번호 581-88-00303 | 전화 1833-6068 | 이메일 kdt@elice.io

Copyright ⓒ 2025 elice. All rights reserved.

(주) 엘리스그룹 | 주소: 서울특별시 강남구 선릉로 433 (역삼동, 세방빌딩) 6층,16층

대표자 김재원 | 통신판매업 신고번호: 제2022-서울강남-04515호 | 사업자등록번호 581-88-00303 | 전화 1833-6068 | 이메일 kdt@elice.io

Copyright ⓒ 2025 elice. All rights reserved.

(주) 엘리스그룹 | 주소: 서울특별시 강남구 선릉로 433 (역삼동, 세방빌딩) 6층,16층

대표자 김재원 | 통신판매업 신고번호: 제2022-서울강남-04515호 | 사업자등록번호 581-88-00303 | 전화 1833-6068 | 이메일 kdt@elice.io

Copyright ⓒ 2025 elice. All rights reserved.

우수 프로젝트

우수 프로젝트

우수 프로젝트

우수 프로젝트