메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박민규 (순천향대학교) 김현석 (순천향대학교) 최혁두 (순천향대학교) 박성근 (순천향대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제29권 제2호
발행연도
2019.4
수록면
90 - 96 (7page)
DOI
10.5391/JKIIS.2019.29.2.90

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구에서는 차량에 부착된 모노 카메라와 딥 러닝을 이용하여 객체 검출 및 검출된 객체에 대한 거리정보를 바탕으로 하는 위험도 분류 시스템을 제안한다. 다양한 상황에서 기존 컴퓨터 비전 기법들보다 변화에 강인하며 검출 능력이 뛰어난 딥 러닝을 이용하여 주행 영상을 통해 주행환경 상에 있는 객체들을 검출한다. 이때 객체 검출기로는 합성 곱 신경망 네트워크를 기반으로 만들어진 YOLO v2(You Only Look Once v2)알고리즘을 이용하며, 해당 알고리즘은 사전에 ImageNet 1000 Class 데이터로 학습 된 Pre-trained model에 KITTI 데이터 셋 및 웹 포털 사이트에서 크롤링을 통해 획득한 12K개의 이미지를 이용하여 전이학습 하였다. 그리고 DB 구축 Tool을 이용하여 KITTI 데이터 셋에서 취득한 이미지와 캘리브레이션된 LiDAR 센서 데이터를 통해 검출된 객체와의 거리 정보를 취득하였다. 객체 검출기의 결과로는 Bounding Box의 이미지 내 좌표인 x,y와 Bounding Box의 이미지 내 크기인 width, height 정보가 나온다. 객체와의 거리정보를 특정 구간 단위로 분류하여 Class화 하였고, 해당 Class(거리 등급)와 객체 검출 정보인 Bounding box 정보들을 Multi-layer Perceptron을 이용하여 분류한다.
#딥러닝 #객체검출 #거리추정 #단안카메라 #Deep learning #Object Detection #Distance Estimation #Mono Camera

목차

요약
Abstract
1. 서론
2. 객체 검출 및 위험도 분류 알고리즘
3. DB 구축 및 학습
4. 실험 및 결과
5. 결론
References

참고문헌 (11)

참고문헌 신청
Heo, P. S. “A Study on the automotive ADAS market diffusion factors.” Proceeding of KICS: 942-945, 2009. google schola National Highway Traffic Safety Administration. “Preliminary statement of policy concerning automated vehicles.” Washington, DC: 1-14, 2013. google schola Brown, Larry. “Deep learning with GPUs.” Larry Brown Ph. D., Johns Hopkins University 2015. google schola Schmidhuber, Jurgen. “Deep learning in neural networks: An overview.” Neural networks 61: 85-117, 2015. google schola Redmon, Joseph, and Ali Farhadi. “YOLO9000: better, faster, stronger.” arXiv preprint 2017. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

단안 카메라를 딥 러닝 네트워크 기반의 객체 검출 및 거리 추정
김현석 ,  박민규 ,  손원일 외 2명 한국지능시스템학회 논문지 2018 .06
착한 소비를 톡 건드려라, 코즈마케팅
편집부 마케팅 2013 .11
적외선 영상, 라이다 데이터 및 특성정보 융합 기반의 합성곱 인공신경망을 이용한 건물탐지
조은지 ,  이동천 한국측량학회지 2020 .12
딥러닝 기반 5G 밀리미터파 빔선택 기술
김용휘 ,  심민수 ,  채찬병 한국통신학회지(정보와통신) 2020 .11
Deep Reinforcement Learning-based ROS-Controlled RC Car for Autonomous Path Exploration in the Unknown Environment
Sabi ,  Hossain ,  Oualid Doukhi 외 2명 제어로봇시스템학회 국제학술대회 논문집 2020 .10

최근 본 자료

전체보기

댓글(0)

0