DanPark - 단주차 (주차 공간 탐지 시스템)
YOLOv5 + React Native로 실시간 주차 공간 탐지
데모 영상
DanPark 데모 영상
YOLOv5 기반 실시간 주차 공간 탐지 데모
팀/역할
기간
기술 스택
프로젝트 소개
DanPark는 단국대학교 주차장 특화 스마트 주차 공간 탐지 시스템입니다. 팀 5명으로 진행, 본인은 YOLOv5 객체 인식 학습을 주로 담당했고, 마무리 단계에서 AWS EC2 서버 배포를 맡아 학습한 모델을 실제 서비스로 띄웠습니다. AI 도구를 적극 활용해 인프라 설정을 익히며 배포를 진행했습니다. YOLOv5 파인튜닝으로 주차 공간 인식률을 71%에서 92%로 21%p 향상시켰으며(confidence ≥ 0.7 기준), 핸드폰으로 주차장을 직접 촬영·라벨링한 캠퍼스 특화 데이터셋을 추가 학습에 사용했습니다. 공개 데이터셋(CNR-EXT)으로 pre-training 후 캠퍼스 환경에 맞게 fine-tuning하는 전략으로, 범용 모델의 한계를 극복했습니다.
내 역할 및 기여도
YOLOv5 파인튜닝 및 캠퍼스 데이터 직접 수집·라벨링 (LabelImg), 공개 데이터셋(CNR-EXT) pre-training 후 캠퍼스 특화 fine-tuning 전략 수립, 마무리 단계에서 AWS EC2 서버 배포를 맡아 학습 모델을 실제 서비스로 구동 (AI 도구 활용)
AI 학습 과정
데이터셋
학습 파이프라인
Pre-trained 모델 (CNR-EXT 14만장)
해외 주차장 데이터 기반 범용 인식 모델 확보
캠퍼스 데이터 직접 촬영 & LabelImg 라벨링
단국대 주차장을 핸드폰으로 직접 촬영·라벨링하여 캠퍼스 특화 데이터셋 구축
Fine-tuning & 하이퍼파라미터 튜닝
캠퍼스 데이터셋으로 재학습 + 체계적 실험 설계로 최적 조합 도출
ROI 기반 점유 판단 (중심점 → IoU)
차량 bbox와 슬롯 ROI의 IoU로 점유 판단, 임계값 0.3→0.1 튜닝으로 미탐지 감소
학습 결과
핵심 기능
YOLOv5 기반 주차 공간 탐지
단국대 주차장 특화 학습 데이터로 파인튜닝한 객체 인식 모델
실시간 CCTV 영상 분석
CCTV 영상을 실시간으로 분석하여 주차 가능 공간 표시
GPS 연동 자동 실행
단국대 주차장 근처 접근 시 자동으로 앱 실행
주차장 실시간 현황
주차장별 실시간 주차 가능 공간 수 및 혼잡도 표시
프로젝트 갤러리
기술적 도전과 해결
캠퍼스 특화 데이터 부족 & 학습 최적화
문제
공개 데이터셋(CNR-EXT)은 해외 주차장 기반이라 단국대 캠퍼스 환경(경사면, 조명, 카메라 앵글)에서 인식률이 71%에 그침. 학습 시간도 길어 효율적인 실험 설계가 필요
해결
핸드폰으로 주차장을 직접 촬영·라벨링해 캠퍼스 특화 데이터셋을 구축하고, 체계적 하이퍼파라미터 튜닝과 confidence ≥ 0.7 필터링으로 최적 조합 도출. 점유 판단은 중심점 방식에서 IoU 방식으로 개선(임계값 0.3→0.1)하여 미탐지를 줄임
결과
주차 공간 인식률 92% 달성 (pre-trained 71% 대비 21%p 향상), 추론 속도 8~9ms/패치
학습 모델을 실제 서비스로 — AWS 배포
문제
파인튜닝한 YOLO 모델을 실제로 접근 가능한 서비스로 띄우려면 서버 인프라가 필요했으나, 인프라 배포 경험이 없어 처음부터 익히며 진행해야 했음
해결
AWS EC2에 서버를 배포하고 앱과 연동. AI 도구를 적극 활용해 인스턴스 설정·배포 과정을 익히며 진행하고, 막히는 지점은 원인을 찾아가며 해결
결과
학습 모델이 실제 앱에서 동작하는 서비스로 구동, 마감 전 완료, SW중심대학사업단장 인기상 수상