자율주행 환경에서 이미지 객체 분할을 위한 강화된 DFCN 알고리즘 성능연구 A Study on the Performance of Enhanced Deep Fully Convolutional Neural Network Algorithm for Image Object Segmentation in Autonomous Driving Environment원문보기
최근 이미지 분할(Image Segmentation)에 관련되어 스마트 공장 산업과 의료 분야 등에 접목하려는 연구가 다수 진행되고 있다. 특히 딥러닝 알고리즘을 사용한 이미지 분할 시스템들은 대용량의 데이터를 높은 정확도로 학습할 만큼 발전되었다. 자율주행 분야에서도 이미지 분할을 이용하기 위해선 대용량의 데이터들에 대한 충분한 학습량이 필요하며, 실시간으로 운전자의 데이터를 처리하는 스트리밍 환경은 고속도로, 어린이보호구역 등으로 안전운행에 대한 정확도가 중요하다. 따라서 본 논문에서는 다양한 도로환경에 적용할 수 있는 기존 FCN(Fully Convoulutional Network) 알고리즘을 강화한 DFCN 알고리즘을 제안하였으며, DFCN 알고리즘의 성능이 FCN 알고리즘과 비교하여 손실 값 측면에서 1.3% 개선하였음을 증명하였으며, 기존 U-Net 알고리즘에 DFCN 알고리즘을 적용하여 이미지 내의 주파수의 정보를 유지하여 더 좋은 결과치를 도출함으로써 결과적으로 자율주행 환경에서 DFCN 알고리즘이 FCN 알고리즘보다 성능이 향상되었다는 것을 증명하였다.
최근 이미지 분할(Image Segmentation)에 관련되어 스마트 공장 산업과 의료 분야 등에 접목하려는 연구가 다수 진행되고 있다. 특히 딥러닝 알고리즘을 사용한 이미지 분할 시스템들은 대용량의 데이터를 높은 정확도로 학습할 만큼 발전되었다. 자율주행 분야에서도 이미지 분할을 이용하기 위해선 대용량의 데이터들에 대한 충분한 학습량이 필요하며, 실시간으로 운전자의 데이터를 처리하는 스트리밍 환경은 고속도로, 어린이보호구역 등으로 안전운행에 대한 정확도가 중요하다. 따라서 본 논문에서는 다양한 도로환경에 적용할 수 있는 기존 FCN(Fully Convoulutional Network) 알고리즘을 강화한 DFCN 알고리즘을 제안하였으며, DFCN 알고리즘의 성능이 FCN 알고리즘과 비교하여 손실 값 측면에서 1.3% 개선하였음을 증명하였으며, 기존 U-Net 알고리즘에 DFCN 알고리즘을 적용하여 이미지 내의 주파수의 정보를 유지하여 더 좋은 결과치를 도출함으로써 결과적으로 자율주행 환경에서 DFCN 알고리즘이 FCN 알고리즘보다 성능이 향상되었다는 것을 증명하였다.
Recently, various studies are being conducted to integrate Image Segmentation into smart factory industries and autonomous driving fields. In particular, Image Segmentation systems using deep learning algorithms have been researched and developed enough to learn from large volumes of data with highe...
Recently, various studies are being conducted to integrate Image Segmentation into smart factory industries and autonomous driving fields. In particular, Image Segmentation systems using deep learning algorithms have been researched and developed enough to learn from large volumes of data with higher accuracy. In order to use image segmentation in the autonomous driving sector, sufficient amount of learning is needed with large amounts of data and the streaming environment that processes drivers' data in real time is important for the accuracy of safe operation through highways and child protection zones. Therefore, we proposed a novel DFCN algorithm that enhanced existing FCN algorithms that could be applied to various road environments, demonstrated that the performance of the DFCN algorithm improved 1.3% in terms of "loss" value compared to the previous FCN algorithms. Moreover, the proposed DFCN algorithm was applied to the existing U-Net algorithm to maintain the information of frequencies in the image to produce better results, resulting in a better performance than the classical FCN algorithm in the autonomous environment.
Recently, various studies are being conducted to integrate Image Segmentation into smart factory industries and autonomous driving fields. In particular, Image Segmentation systems using deep learning algorithms have been researched and developed enough to learn from large volumes of data with higher accuracy. In order to use image segmentation in the autonomous driving sector, sufficient amount of learning is needed with large amounts of data and the streaming environment that processes drivers' data in real time is important for the accuracy of safe operation through highways and child protection zones. Therefore, we proposed a novel DFCN algorithm that enhanced existing FCN algorithms that could be applied to various road environments, demonstrated that the performance of the DFCN algorithm improved 1.3% in terms of "loss" value compared to the previous FCN algorithms. Moreover, the proposed DFCN algorithm was applied to the existing U-Net algorithm to maintain the information of frequencies in the image to produce better results, resulting in a better performance than the classical FCN algorithm in the autonomous environment.
이한규, 유철환, 신용구, 임세호, 고성제 "CNN을 활용한 Semantic segmentation 기반의 패션 아이템 검출," 2017년도 대한전자공학회 정기총회 및 추계학술대회, 512-515쪽, 송도컨벤시아(인천광역시), 한국, 2019년 8월
이호진, 박승태, 김지원, 허현석, 이승철 "데이터 불균형 및 부족 문제를 해결하기 위한 Fully Convolutional Networks (FCN) 기반 딥러닝 알고리즘," 대한기계학회 신뢰성부문 2018년도 학술대회, 20쪽, 제주대학교(제주특별자치도), 한국, 2018년 2월
황현수, 정진우, 김용환, 최윤식 "Fully Convolutional Network 기반 관심 영역 검출 기법의 속도 개선 연구," 한국방송미디어공학회 학술발표대회 논문집, 322-325쪽, 제주한라대학교(제주특별자치도), 한국, 2018년 6월
임명, 윤득경, 김병우 "FCN을 이용한 UAV object detection and tracking 알고리즘 연구," 제어로봇시스템학회 국내학술대회 논문집, 274-275쪽, 경주코오롱호텔(경상북도 경주시), 한국, 2019년 5월
T.S. Tung and G.S. Lee, "Deep-Learning Approach for Text Detection Using Fully Convolutional Networks," International JOURNAL OF CONTENTS, vol. 14, no. 1, pp. 1-6, 2018. 03.
최경훈, 하종은 "에지 분류 CNN 을 이용한 U-Net 기반 에지 검출," 제어로봇시스템학회 논문지, 제25권, 제8호, 684-689쪽, 2019년 8월
남현우, 고봉기 "정사영상과 U-Net을 이용한 도로 영역 검출 방법," 대한공간정보학회 학술대회, 47-48쪽, 부경대학교(부산광역시), 한국, 2019년 5월
전우태, 장원석, 김종찬 "자율주행 자동차 객체 인지 시스템의 스케줄 최적화," 한국자동차공학회 추계학술대회 및 전시회, 891-892쪽, 경주화백컨벤션센터(경상북도 경주시), 한국, 2019년 11월
이형일, 김진명, 이재원 "딥러닝 객체인식을 통한 경로보정 자율 주행 로봇의 구현," 한국콘텐츠학회논문지, 제19권, 제12호, 164-172쪽, 2019년 12월
김영주 "Vision-based Real-time Lane Detection and Tracking for Mobile Robots in a Constrained Track Environment," 한국컴퓨터정보학회논문지, 제24권, 제11호, 29-39쪽, 2019년 11월
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.