* 배경 및 목표
- 음성인식 기술은 다양한 응용에서 널리 활용되고 있으나, 소음 환경에서는 성능이 매우 떨어지는 문제가 있음
- 소음 환경 음성데이터를 생성하고 이를 음성인식 모델에 학습하여 문제를 개선
* 실시간 영어 명령어 음성인식 기술 개발
- 영어 명령어 음성인식 모델을 학습하고 임베디드 H/W에 탑재 (Tensorflow or Pytorch, Raspberry Pi)
- 공개 데이터세트와 오픈소스를 활용 (Google Speech Commands Dataset)
* 소음 환경 음성데이터 생성
- 명령어 음성과 소음 음성을 자연스럽게 합성하여 학습데이터로 활용
- 공개 데이터세트와 오픈소스를 활용 (gpuRIR 등)
2. 강건한 졸음운전 감지 기술 개발
* 배경 및 목표
- 교통사고 예방을 위하여 졸음운전 감지 기술에 대한 수요가 높으나, 차량 실내는 터널, 야간 주행, 직사광선 등으로 인해 영상인식이 어려운 환경임
- 열악한 환경의 영상데이터를 생성하고 이를 영상인식 모델에 학습하여 문제를 개선
* 실시간 졸음운전 영상인식 기술 개발
- 졸음운전 영상인식 모델을 학습하고 임베디드 H/W에 탑재 (Tensorflow or Pytorch, Nvidia Jetson)
- 공개 데이터세트와 오픈소스를 활용 (Real-Life Drowsiness Dataset 등)
* 열악한 환경의 영상데이터 생성
- 적외선 필터 효과, 직사광선 효과 등 열악한 환경의 영상을 자연스럽게 합성하여 학습데이터로 활용
- 공개 데이터세트와 오픈소스를 활용 (OpenCV 등)