http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 염석주 (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
자율 주행 차량 후방 카메라 오염 탐지를 위한 에너지 기반 학습 외 분포 데이터 탐지 네트워크와 확산 모델 기반 데이터셋
문승훈,전창렬,이정훈,정동혁,염석주,강석주 대한전자공학회 2023 전자공학회논문지 Vol.60 No.11
자율 주행 상황에서 차량 후방 카메라의 오염 여부를 감지하는 것은 중요한 문제이다. 오염 물질을 도로 위 객체로 오탐지하여 자율 주행이 원활하게 이루어 질 수 없기 때문이다. 하지만 이러한 문제를 해결하기 위한 연구는 오염 탐지 특화 데이터셋의 부재로 인해 활발히 이루어지지 않고 있으며 실제 자율 주행 상황에 적용하기 충분한 성능을 보이지 않고 있다. 본 논문은 이러한 한계점을 해결하기 위해 에너지 기반 학습 외 분포 데이터 탐지 네트워크와 확산 모델을 기반한 오염 탐지 특화 데이터셋을 제안한다. 실험 결과 에너지 기반 학습 외 분포 데이터 탐지 네트워크는 baseline 대비 15.52% 개선된 94.73%의 오염과 비오염 상황 분류 정확도를 기록하였다. 또한 제안한 확산 모델 기반 오염 탐지 특화 데이터셋을 통한 학습은 상황 분류 성능을 95.24%까지 개선하였다. 마지막으로 사용한 네트워크를 모바일 기기에 임베딩하여 백본별 오염 및 비오염 상황 분류 성능과 추론 시간의 트레이드오프를 분석하는 실험을 진행하여 자율 주행 상황에서의 실시간 동작 가능성을 검증하였다. It is a crucial problem in autonomous driving scene to detect whether a rear-view camera of a vehicle is soiled. The false detection of soiled contaminants as road objects makes it hard to operate autonomous driving. However, due to the absence of a soiling detection-specific dataset, recent research to solve the issue is not actively conducted while they show insufficient performance for real-world applications. To address these limitations, we propose an energy-based out-of-distribution (OOD) detection network and diffusion model-based task-specific dataset. In the experimental results, the proposed network reaches 94.73% of soiling detection accuracy, which is a 15.52% improvement compared to the baseline. In addition, training procedure with the proposed task-specific dataset further impoved the soiling detection accuracy to 95.24%. Finally, we embedded the proposed network onto a mobile device and conducted experiments to validate its real-time capability in autonomous driving scenarios. These experiments analyzed the trade-offs between the backbone-specific soiling detection performance as well as inference time.
-
자율 주행 차량용 카메라 이미지 오염 감지를 위한 확산 모델 에너지 기반 이상 탐지 네트워크
문승훈(Seunghun Moon),전창렬(Chang-Ryeol Jeon),이정훈(Junghoon Lee),정동혁(donghyuk Jeong),염석주(Seokju Yeom),강석주(Suk-Ju Kang) 대한전자공학회 2023 대한전자공학회 학술대회 Vol.2023 No.6
Detecting whether a vehicle’s rearview camera is soiled is a crucial problem in the autonomous driving scene. However, the absence of a soiling detection task-specific dataset which leads to low detection performance makes it hard for real-world driving scene applications. We propose a deep learningbased anomaly detection network and diffusionbased soiling detection-specific dataset to handle this limitation. We adopted an energy-based outof-distribution(OOD) detection network to differentiate between soiled and non-soiled contexts. The proposed method has achieved 95.24% accuracy in classifying soiled and nonsoiled rearview driving scenes, which is a 16.03% improvement compared to the baseline.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
