📌 대회
📖 대회에 대한 내용
앞서 말한 해커톤 기획서와 서류들이 1차적으로 예선을 통과하여 2차로 발표를 하게 되었다.
📋 심사배점
- 아이디어명(20) : 제안한 아이디어 명칭의 적절성
- 제안 배경(20) : 경제적, 산업적, 사회적 배경의 적절성
- 기술성(20) : 제안 배경에 맞는 적절한 기술의 적합성
- 실현 가능성(20) : 구현 가능 및 타당성
- 사업성(10) : 시장 및 주변 환경에 따른 사업화 여부
- 기대효과(10) : 경제적, 산업적, 사회적, 기술적 기대효과
3세부 : 화재 영상 3D 객체 데이터
(화재 3D 객체 데이터 2,000건, 실내 3D 공간 데이터 8,118평, 150,000건의 화재영상 2D 이미지 데이터) 등으로 만들어진 기획을 발표하게 되었다.
📌 기획 발표
📖 PPT / 대사
“헬퍼 아리”라는 아이디어 네임으로 발표를 하게된 팀 돌멩이와 감자들
제안배경 > 핵심내용 > 기술성 및 실현 가능성 >경쟁력 및 기대효과 > 마무리 순서로 발표가 될 예정이다.
초반에 기선제압 겸 이목집중을 위해 질문으로 시작을 할 예정이다.
이것을 보는 당신! 위에있는 사진이 무엇으로 보이는가?
화점이라는 것인데, 쉽게 말하자면 앞에보이는 주황색은 불이다.
실제 화재 구조현장에 있는 소방관들은 위와같은 시야만으로 사람들을 구조하고 있다.
나는 소방관련 컨텐츠를 웹툰으로 처음 접했다.
웹툰에서는 초능력을가진 소방관들이 사람들을 구하는데 비해 실제 소방관들은 초능력을 가지고 있지 않다.
또 빠르게 사회와 기술들이 발전하는 반면에 소방에 관한 기술들은 조금 더디게 발전되고 있다고 느끼며, 그로인해 사고발생 정도와 사고, 순직을 한 소방관 수는 늘어나고 있다.
YOLO를 사용하여 앞서 처음에 보여드렸듯이 연기 때문에 시야가 안보이는 상황에서 근처에 위험물이나 2차 사고 전조현상들을 캐치하여 소방관에게 정보를 제공해 줄 것이다.
동시에 캐치된 데이터들을 확률화 하여 2차 사고가 일어날 수 있음을 경고해 주고,
현장 지휘부에서도 실시간으로 정보를 제공받으면서 시시각각 바뀌는 사건
현장에서의 위험성을 최소화 시켜 줄 대응방안들을 미리 강구 할 수 있도록 도와줄 것이다.
핵심내용은 위 사진을 보듯이 YOLO를 통해 객체를 빠르게 인식하여 화재현장에서 발생할 수 있는 변수들을 캐치해, 지휘부와, 소방관에게 동시에 정보를 제공 해주는 것이 중요하다.
화면 왼쪽에 그래프를 보시면 YOLO v5는 s, m, l, x 총 4가지 종류의 모델이 있다.
좌측으로 갈 수록 속도적인 측면이 발달되어 있고, 위쪽으로 갈 수록 출력기능이 발달되어 있음을 확인할수 있다.
그중에서 YOLO v5m은 속도와 기능적인 측면에서 저희 프로젝트에 가장 적합한것으로 판단이 되어 v5m 모델을 적용할 예정이다.
동시에 MLE(최대우도추정법)을 사용하여 θ(세타)를 업데이트 하여 확률 모델을 정규 분포로 가정하고, 정해진 표준편차 내로 확률이 나오도록 업데이트 해줄 것이다.
앞서 말했던 방법대로 반복작업을 하여 θ(세타)를 업데이트 하고, 가장 높은 확률을 가지며, 확률 변수로 만들어 놓았던 θ(세타)를 통해 라벨 y와 같은 값을 내보내는 방식으로 확률을 제공해 주게 될 것이다.
요약하자면 YOLO v5m 모델을 사용해서 검출한 화재를 바탕으로 얼마나 크게 화재가 발생할지를 확률화를 통해 예측하는 서비스를 제공해 준다는 것이다.
핵심내용의 기능을 바탕으로 전체적인 구상도를 그려보았다.
화면 제일 좌측 화재상황을 기점으로 소방관이 임무를 수행중이면서 실시간으로 촬영된 데이터들 중에 저희가 학습시켰던 데이터들이 포착이 됨에따라, 포착된 데이터의 정도를 기준으로 2차적인 피해를 예상하여 확률계산을 해준 후 현장에 있는 정보들을 소방관과 현장지휘 통제소에 동시에 정보를 제공해 주면서 위험요소들을 피해가는 상황이 진행 될 것이다.
전체적인 설명들을 볼때에 중요하게 도움을 주게 될 것들만 뽑아내어 화면에 보이는것과 같이 도움을 준다는 뜻의 Helper 인공지능의 AI, 위험요소 확률 계산의 첫글자인 Risk의 첫 글자들을 따서 Helper Ari(헬퍼 아리) 라는 아이디어 네임을 짓게 되었다.
화재 및 균열, 등의 이미지 데이터를 학습시키는 것을 우선으로 화재 이외에도 발생 할 수 있는 전기 누전 및 추락 위험성과 같은 애매모호한 상황의 데이터들도 학습을 시키면서 사용범위를 넓혀갈 예정이고,
동시에 이미지 데이터로 감정분석을 하는 모델이나, 중량들을 예측하는 확률 모델들 같이 만들어져 있는 모델들을 참고하여 모델을 만들어 나아간다면 실현가능성이 충분히 있다.
YOLO의 데이터로 확률화된 현상들을 비교하면서 중앙소방학교 이외에 교육들 에서도 사용 할 수도 있고, 1인칭 소방관 시점으로 촬영을 해 놓았던 데이터들을 콘텐츠화 하여
VR 체험이나 게임 같은 상품으로도 만들수도 있으며, 동시에 광고나 홍보 영상으로도 사용 할 수도 있는 데이터 들이기에 시장에서 많은 가치성을 인정 받을 수 있을것이다.
참고한 자료들은 저작권이있어 꼭 알려주는것이 중요하다.
딱히 중요한 질문들은 받지 않았다.
사실 화재현장에서 불을끄는 소방관만 있는것이 아니다.
지휘하는 사람, 응급차로 급하게 이동하는 사람, 붕괴현장같은 구조활동을 하는 사람,
119콜센터에서 근무하는 사람, 등 이 모든 사람들을 통틀어서 소방관이라고 한다.
이분들 덕분에 우리가 걱정없이 살고 있는것이 아닐까 생각이 든다.
📌 결과
📖 수상
3등 장려상을 받았다.
📖 느낀점
어려모로 생소한 장르이기도 하고, 해커톤이라는 것을 처음 나가는것, 또 머신러닝, 딥러닝 같은 인공지능을 공부한지 2주 정도 밖에 안된 상태에서 도전하는 것은 쉽지 않았다.
내눈에는 부족했던 사람들도 상을 받고, 엄청 잘해보였던 사람이 아쉬운 상을 받은 것에 대한 실망이 조금 크기도 하였으며, 나름 괜찮은 경험이라고 생각은 하나 아쉬움도 많이 있다.
