본 논문에서는 딥러닝을 이용한 영상 기반 자율주행 자동차 시스템을 제안한다. 자동차가 자율성을 가지고 최소한의 운전자 조작만으로 안전하게 도로를 주행할 수 있는 자동차를 구현하기 위해서는 다양한 센서와 센서들이 인식한 정보를 한곳에 모아 하나의 물체로 확인하기 위해 복잡한 분석 알고리즘과 정교한 소프트웨어가 필요하며 이를 위해 많은 시간과 비용을 들여 자율주행 자동차가 구현된다. 최근 하드웨어의 발전으로 빅데이터 기반으로 스스로 학습하는 ...
본 논문에서는 딥러닝을 이용한 영상 기반 자율주행 자동차 시스템을 제안한다. 자동차가 자율성을 가지고 최소한의 운전자 조작만으로 안전하게 도로를 주행할 수 있는 자동차를 구현하기 위해서는 다양한 센서와 센서들이 인식한 정보를 한곳에 모아 하나의 물체로 확인하기 위해 복잡한 분석 알고리즘과 정교한 소프트웨어가 필요하며 이를 위해 많은 시간과 비용을 들여 자율주행 자동차가 구현된다. 최근 하드웨어의 발전으로 빅데이터 기반으로 스스로 학습하는 딥러닝이 많은 주목을 받고 있다. 제안한 시스템은 딥러닝을 이용한 자율주행 자동차 기술을 통해 높은 기술 진입 장벽을 허물어 고가의 센서가 아닌 카메라와 같은 범용 센서들을 활용하여 자율주행 자동차를 설계하고자 한다. 본 논문에서는 CNN 네트워크 구조 중 VGGNet-16을 참고한 SSD 네트워크 구조를 활용하여 영상 분류, 객체 검출, 시맨틱 세그멘테이션과 관련효율적으로 처리와 WIDER FACE, KITTI 밴치마크와 Cityscapes 밴치마크에서 제공하는 실제 도로 환경 영상을 이용하였으며, 제공 받은 데이터 중 일부를 테스트 데이터로 구성하였다. 본 논문에서 제안하는 신경망을 활용하여, 테스트 데이터를 이용한 실험 결과를 통해 제안하는 통합 네트워크의 성능과 실시간성 확보를 검증하여 실제 주행 환경에서의 적용 가능성을 확인하였다.
본 논문에서는 딥러닝을 이용한 영상 기반 자율주행 자동차 시스템을 제안한다. 자동차가 자율성을 가지고 최소한의 운전자 조작만으로 안전하게 도로를 주행할 수 있는 자동차를 구현하기 위해서는 다양한 센서와 센서들이 인식한 정보를 한곳에 모아 하나의 물체로 확인하기 위해 복잡한 분석 알고리즘과 정교한 소프트웨어가 필요하며 이를 위해 많은 시간과 비용을 들여 자율주행 자동차가 구현된다. 최근 하드웨어의 발전으로 빅데이터 기반으로 스스로 학습하는 딥러닝이 많은 주목을 받고 있다. 제안한 시스템은 딥러닝을 이용한 자율주행 자동차 기술을 통해 높은 기술 진입 장벽을 허물어 고가의 센서가 아닌 카메라와 같은 범용 센서들을 활용하여 자율주행 자동차를 설계하고자 한다. 본 논문에서는 CNN 네트워크 구조 중 VGGNet-16을 참고한 SSD 네트워크 구조를 활용하여 영상 분류, 객체 검출, 시맨틱 세그멘테이션과 관련효율적으로 처리와 WIDER FACE, KITTI 밴치마크와 Cityscapes 밴치마크에서 제공하는 실제 도로 환경 영상을 이용하였으며, 제공 받은 데이터 중 일부를 테스트 데이터로 구성하였다. 본 논문에서 제안하는 신경망을 활용하여, 테스트 데이터를 이용한 실험 결과를 통해 제안하는 통합 네트워크의 성능과 실시간성 확보를 검증하여 실제 주행 환경에서의 적용 가능성을 확인하였다.
In this paper, I proposed an image based autonomous navigation system using deep learning. In order to realize an automobile that can autonomously drive and run safely on the road with a minimum of driver's operation, complex analysis algorithms and sophisticated software are required to collect the...
In this paper, I proposed an image based autonomous navigation system using deep learning. In order to realize an automobile that can autonomously drive and run safely on the road with a minimum of driver's operation, complex analysis algorithms and sophisticated software are required to collect the information recognized by various sensors and sensors in one place as a single object. The autonomous vehicle is implemented with a great deal of time and money. Due to the recent development of hardware, deep learning that learns itself on the basis of big data is attracting much attention. The proposed system breaks the barriers of high technological entry through autonomous driving automobile technology using deep learning, and designs autonomous vehicles using universal sensors such as cameras rather than expensive sensors. In this paper, I utilize the SSD network structure based on VGGNet-16 among the CNN network structure to efficiently process the image classification, object detection, semantic segmentation, and actual road environment images provided by the KITTI benchmark and Cityscapes benchmark , And some of the provided data was composed of test data. The construction of the learning data was made using the actual road environment image provided by the KITTI benchmark and the Cityscapes benchmark, and some of the supplied data was composed of the test data. The integrated network proposed in this paper can be learned end-to-end by using the learning data provided in the benchmark. I verify the performance and real-time performance of the proposed integrated network through experimental results using test data And confirmed its applicability in actual driving environment.
In this paper, I proposed an image based autonomous navigation system using deep learning. In order to realize an automobile that can autonomously drive and run safely on the road with a minimum of driver's operation, complex analysis algorithms and sophisticated software are required to collect the information recognized by various sensors and sensors in one place as a single object. The autonomous vehicle is implemented with a great deal of time and money. Due to the recent development of hardware, deep learning that learns itself on the basis of big data is attracting much attention. The proposed system breaks the barriers of high technological entry through autonomous driving automobile technology using deep learning, and designs autonomous vehicles using universal sensors such as cameras rather than expensive sensors. In this paper, I utilize the SSD network structure based on VGGNet-16 among the CNN network structure to efficiently process the image classification, object detection, semantic segmentation, and actual road environment images provided by the KITTI benchmark and Cityscapes benchmark , And some of the provided data was composed of test data. The construction of the learning data was made using the actual road environment image provided by the KITTI benchmark and the Cityscapes benchmark, and some of the supplied data was composed of the test data. The integrated network proposed in this paper can be learned end-to-end by using the learning data provided in the benchmark. I verify the performance and real-time performance of the proposed integrated network through experimental results using test data And confirmed its applicability in actual driving environment.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.