Earticle

초록

영어

This paper proposes a lane recognition CNN network using split-attention network as a backbone to extract feature. Split-attention is a method of assigning weight to each channel of a feature map in the CNN feature extraction process; it can reliably extract the features of an image during the rapidly changing driving environment of a vehicle. The proposed deep neural networks in this paper were trained and evaluated using the Tusimple data set. The change in performance according to the number of layers of the backbone network was compared and analyzed. A result comparable to the latest research was obtained with an accuracy of up to 96.26, and FN showed the best result. Therefore, even in the driving environment of an actual vehicle, stable lane recognition is possible without misrecognition using the model proposed in this study.

한국어

본 논문에서는 split-attention 네트워크를 백본으로 특징을 추출하는 차선인식 CNN 네트워 크를 제안한다. split-attention은 CNN의 특징 추출 과정에서 feature map의 각 channel에 가중치 를 부여하는 방법으로, 빠르게 변화하는 자동차의 주행 환경에서 안정적으로 이미지의 특징을 추출할 수 있다. Tusimple 데이터 셋을 활용하여 본 논문에서 제안하는 네트워크를 학습·평가 하였으며, 백본 네트워크의 레이어 수에 따른 성능 변화를 비교·분석 하였다. 평가 결과 최대 96.26%의 정확도로 최신 연구에 준하는 결과를 얻었으며, FP의 경우 0.0234(2.34%)로 비교 연 구 중 가장 좋은 결과를 보여준다. 따라서, 실제 차량의 주행 환경 등에서도 본 연구에서 제안 하는 모델을 사용하여 오인식 없이 안정적인 차선 인식이 가능하다.

목차

요약
ABSTRACT
Ⅰ. 서론
1. 개요
Ⅱ. Resnet 및 CNN
1. CNN
2. Resnet
3. Resnet 변형 모델
Ⅲ. 제안하는 모델
1. 백본 네트워크(backbone network)
2. Reshape Layer
3. Output Layer
Ⅳ. 실험 및 결과
1. Tusimple benchmark
2. Ablation Study
3. 실험 결과
Ⅴ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 송인서 [ In seo Song | 인하대학교 전기컴퓨터공학과 석사과정 ] 주저자
• 이선우 [ Seon woo Lee | 인하대학교 전기컴퓨터공학과 박사과정 ] 공저자
• 권장우 [ Jang woo Kwon | 인하대학교 컴퓨터공학과 교수 ] 교신저자
• 원종훈 [ Jong hoon Won | 인하대학교 전기공학과 교수 ] 공동교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338