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
Seoyoung Lee (Korea University of Technology and Education) Hyogyeong Park (Korea University of Technology and Education) Yeonhwi You (Korea University of Technology and Education) Sungjung Yong (Korea University of Technology and Education) Il-Young Moon (Korea University of Technology and Education)
저널정보
한국정보통신학회JICCE Journal of information and communication convergence engineering Journal of information and communication convergence engineering Vol.21 No.4
발행연도
2023.12
수록면
346 - 350 (5page)

이용수

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

초록· 키워드

오류제보하기
Trajectory prediction is an essential element for driving autonomous vehicles, and various trajectory prediction models have emerged with the development of deep learning technology. Convolutional neural network (CNN) is the most commonly used neural network architecture for extracting the features of visual images, and the latest models exhibit high performances. This study was conducted to identify an efficient CNN backbone model among the components of deep learning models for trajectory prediction. We changed the existing CNN backbone network of multiple-trajectory prediction models used as feature extractors to various state-of-the-art CNN models. The experiment was conducted using nuScenes, which is a dataset used for the development of autonomous vehicles. The results of each model were compared using frequently used evaluation metrics for trajectory prediction. Analyzing the impact of the backbone can improve the performance of the trajectory prediction task. Investigating the influence of the backbone on multiple deep learning models can be a future challenge.
#Autonomous Driving #CNN #Deep Learning #Trajectory Prediction

목차

Abstract
Ⅰ. INTRODUCTION
Ⅱ. BACKGROUND
Ⅲ. METHODS
Ⅳ. RESULTS
Ⅴ. DISCUSSION AND CONCLUSIONS
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

전차륜 조향 장치를 장착한 굴절궤도 차량의 주행특성에 관한 연구
이수호 ,  문경호 ,  전용호 외 3명 한국철도학회 학술발표대회논문집 2007 .05
A Study on Defect Detection Model of Bone Plates Using Multiple Filter CNN of Parallel Structure
이송연 ,  허용정 Journal of the Korean Society for Precision Engineering 2023 .09
ConTL: Improving the Performance of EEG-based Emotion Recognition via the Incorporation of CNN, Transformer and LSTM
강현욱 ,  김병형 Journal of KIISE 2024 .05
Autonomous Excavation based on Deep Learning
Jaemyung Huh ,  Jangho Bae ,  Chanyoung Moon 외 5명 한국자동차공학회 추계학술대회 및 전시회 2023 .11
Media Coverage of K-pop by BBC and CNN: A Corpus-Assisted Discourse Analysis
Mi ,  i Moon Asian Communication Research 2023 .12

최근 본 자료

전체보기

댓글(0)

0