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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제48권 제5호
발행연도
2023.5
수록면
589 - 599 (11page)
DOI
10.7840/kics.2023.48.5.589

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
자율주행에서 카메라를 통한 상황인지는 필수 동작 중에 하나이다. 특히 도로주행을 위한 차선인식 시스템은 완전 자율주행 뿐 아니라 ADAS (Advanced Driving Assistance System)를 위한 LKS (Lane Keeping System) 에서도 필수 기능 중 하나이다. 하지만, 이런 차선인식 시스템은 도로 위의 다양한 상황들 (광학 반사, 날씨, 밤시간, 가림, 곡선 차선 등)에서 정확하고 실시간으로 동작해야 한다. 본 논문에서는 특히 한국 도로환경에서 밤시간에도 실시간으로 동작할 수 있는 딥러닝 기반 차선인식 시스템에 대해 고찰하고 성능 최적화를 위한 전략들을 제시하였다. 이를 위해 기존 외국 지형 낮 시간대의 훈련 데이터인 TuSimple 데이터 셋에 더하여 한국 지형 낮 시간대 및 밤 시간대 데이터 셋을 구축하고 데이터 증식 기법들을 추가하여 훈련을 시켰으며 NVIDIA 2080ti 단일 GPU에서 그 정확도 및 실시간 동작 속도를 측정하였다. 이런 추가 데이터셋 구축 및 데이터 증식 추가 훈련의 결과 Ultra Fast Lane Detection 모델을 기준으로 한국 지형 밤 시간대에 76.9%의 정확도에서 92.4%의 정확도 향상을 CLRNet 모델을 기준으로 84.6%의 정확도에서 96.7% 의 정확도 향상을 이룰 수 있었다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 시스템 모델
Ⅳ. 데이터 셋 구축 및 데이터 증식 기법
Ⅴ. 실험
Ⅵ. 결론
References

참고문헌 (25)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-567-001463523