임베디드 보드에서 실시간 의미론적 분할을 위한 심층 신경망 구조 


45권  1호, pp. 94-98, 1월  2018
10.5626/JOK.2018.45.1.94


PDF

  요약

본 논문은 자율주행을 위한 실시간 의미론적 분할 방법으로 최적화된 심층 신경망 구조인 Wide Inception ResNet (WIR Net)을 제안한다. 신경망 구조는 Residual connection과 Inception module을 적용하여 특징을 추출하는 인코더와 Transposed convolution과 낮은 층의 특징 맵을 사용하여 해상도를 높이는 디코더로 구성하였고 ELU 활성화 함수를 적용함으로써 성능을 올렸다. 또한 신경망의 전체 층수를 줄이고 필터 수를 늘리는 방법을 통해 성능을 최적화하였다. 성능평가는 NVIDIA Geforce gtx 1080과 TX1 보드를 사용하여 주행환경의 Cityscapes 데이터에 대해 클래스와 카테고리별 IoU를 평가하였다. 실험 결과를 통해 클래스 IoU 53.4, 카테고리 IoU 81.8의 정확도와 TX1 보드에서 640×360, 720×480 해상도 영상처리에 17.8fps, 13.0fps의 실행속도를 보여주는 것을 확인하였다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

J. Lee and Y. Lee, "A Deep Neural Network Architecture for Real-Time Semantic Segmentation on Embedded Board," Journal of KIISE, JOK, vol. 45, no. 1, pp. 94-98, 2018. DOI: 10.5626/JOK.2018.45.1.94.


[ACM Style]

Junyeop Lee and Youngwan Lee. 2018. A Deep Neural Network Architecture for Real-Time Semantic Segmentation on Embedded Board. Journal of KIISE, JOK, 45, 1, (2018), 94-98. DOI: 10.5626/JOK.2018.45.1.94.


[KCI Style]

이준엽, 이영완, "임베디드 보드에서 실시간 의미론적 분할을 위한 심층 신경망 구조," 한국정보과학회 논문지, 제45권, 제1호, 94~98쪽, 2018. DOI: 10.5626/JOK.2018.45.1.94.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr