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
김정언 (The Catholic University of Korea) 강행봉 (The Catholic University of Korea)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제20권 제8호
발행연도
2017.8
수록면
1,271 - 1,281 (11page)

이용수

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

초록· 키워드

오류제보하기
It is essential to collect and analyze target information around the vehicle for autonomous driving of the vehicle. Based on the analysis, environmental information such as location and direction should be analyzed in real time to control the vehicle. In particular, obstruction or cutting of objects in the image must be handled to provide accurate information about the vehicle environment and to facilitate safe operation. In this paper, we propose a method to simultaneously generate 2D and 3D bounding box proposals using LiDAR Edge generated by filtering LiDAR sensor information. We classify the classes of each proposal by connecting them with Region-based Fully-Covolutional Networks (R-FCN), which is an object classifier based on Deep Learning, which uses two-dimensional images as inputs. Each 3D box is rearranged by using the class label and the subcategory information of each class to finally complete the 3D bounding box corresponding to the object. Because 3D bounding boxes are created in 3D space, object information such as space coordinates and object size can be obtained at once, and 2D bounding boxes associated with 3D boxes do not have problems such as occlusion.
#Deep Learning #Sensor Fusion #Proposal #Object Classification #Autonomous Driving

목차

ABSTRACT
1. 서론
2. 제안 방법
3. 실험 결과 및 결론
5. 결론
REFERENCE

참고문헌 (24)

참고문헌 신청
[학술대회논문] - A. Krizhevsky / 2012 / Imagenet Classification with Deep Convolutional Neural Networks / Advances in Neural Information Processing Systems : 1097 ~ 1105 google schola [학술대회논문] - R. Girshick / 2014 / Rich Feature Hierarchies for Accurate Object Setection Detection and Semantic Segmentation / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition : 580 ~ 587 google schola [학술대회논문] - S. Ren / 2015 / Faster R-CNN : Towards Real-time Object Detection with Region Proposal Networks / Advances in Neural Information Processing Systems : 91 ~ 99 google schola [학술대회논문] - T. Kong / 2016 / Hypernet : Towards Accurate Region Proposal Generation and Joint Object Detection / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition : 845 ~ 853 google schola [단행본] - J. Dai / 2016 / Advances in Neural Information Processing Systems / : 379 ~ 387 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

CCTV 영상 기반 딥 러닝을 이용한 차량 및 보행자 계수 방법
이태희 ,  김기주 ,  윤경수 외 2명 한국지능시스템학회 논문지 2018 .06
YOLO 기반 외곽 사각형을 이용한 근접 돼지 분리
서지현 ,  주미소 ,  최윤창 외 3명 멀티미디어학회논문지 2018 .02
딥러닝을 이용한 객체 인식 및 검출 기술 동향
고광은 ,  심귀보 제어로봇시스템학회지 2017 .09
3D LiDAR 기반 물체 분류를 통한 분할 객체 지도 작성
양은성 ,  김도형 ,  김곤우 한국자동차공학회 춘계학술대회 2017 .05
다중 3D 라이다의 객체 분류를 위한 콘볼루션 신경망
권순섭 ,  박태형 제어로봇시스템학회 국내학술대회 논문집 2017 .05

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-004-001287431