KSC 2018
Current Result Document : 1 / 1
| 한글제목(Korean Title) |
자율주행을 위한 이미지 데이터베이스 구축 |
| 영문제목(English Title) |
A Diverse Image Database for Autonomous Driving |
| 저자(Author) |
윤주선
이성재
김홍승
이용구
Ju-Seon Yoon
Sungjae Lee
Hongseung Kim
Yong-Gu Lee
|
| 원문수록처(Citation) |
VOL 45 NO. 02 PP. 0241 ~ 0243 (2018. 12) |
한글내용
(Korean Abstract) |
물체 인식(Object detection)은 딥러닝 기반의 알고리즘이 개발되고, 개발된 알고리즘을 오픈소스로 배포하는 컴퓨터 과학 분야의 트렌드에 따라 가파르게 발전하고 있다. 개발된 알고리즘은 CCTV, 자동차, 드론 등 다양한 분야에 적용되어 인간의 안전을 지키고 편의를 돕는다. 특히 자동차 분야에서는 자율주행기술 개발을 시도함에 따라 딥러닝 기반의 물체인식 기술을 빠르게 개발·적용하고 있다. 하지만 다양하지 못한 소량의 데이터로 학습된 분류모델은 오분류, 과적합 등의 문제를 지니며 이는 자율주행에서 안전사고로 귀결된다. 이에 따라 국외 연구기관들은 대용량 데이터 셋을 공개하고 있다. 그러나 국내교통상황은 해외의 교통상황과 운행위치, 신호체계 등 상이한 부분이 많기 때문에 자율주행-물체인식을 위한 최적의 학습모델을 찾는 것에 한계가 있다. 또한 공개된 데이터 셋은 라벨링 종류가 다양하지 못하며, 데이터에 물체를 추적 가능한 ID를 부여하지 않아 해당데이터의 학습만으로는 차량운행시 돌발 상황에 대처하기 어렵다. 본 연구에서는 도로주행과 고정촬영으로 수집된 국내 최대수량(100k 프레임, 13종류 라벨링)의 고해상도(4K) 데이터 셋을 소개한다. 또한 데이터 셋 수집을 위한 전략 모델을 계하고 촬영환경, 라벨링 대상의 종류, 데이터 수량·분포 등을 제시한다. 마지막으로 기존에 공개된 데이터 셋과 연구에서 수집된 데이터 셋을 비교하여 데이터의 우수성을 분석한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
자율주행
데이터 셋
딥러닝
라벨링
보행자
|
| 파일첨부 |
PDF 다운로드
|
