인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.10
- 수록면
- 69 - 75 (7page)
이용수
DBpia Top 10%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
자동차의 자율주행 시 수집되는 데이터에 악천후 등의 원인에서 발생하는 노이즈는 객체 인식의 오류를 초래하여 자율주행에 각종 사고 등 치명적인 결과를 낳을 가능성이 크다. 이러한 위험성은 널리 인식되고 있지만, 이를 정량화하고 체계적으로 분석한 연구는 부족한 실정이다. 따라서 본 연구에서는 자율주행 환경에서 노이즈가 적용되는 비율에 따라 객체를 인식하는 것에 어느 정도의 영향을 미치는지 살펴보고 수치화하고자 한다. 이를 위해 가공을 하지 않은 데이터셋으로 학습한 YOLO v5 모델을 사용한다. 이를 통해 노이즈 비율을 0%(Original), 20%, 40%, 60%, 80%로 나눈 Test Data를 detection 하여 결과를 확인하고 Confusion Matrix를 구성하여 실험 결과를 평가했다. 실험 결과, 노이즈의 비율이 높아질수록 TP(True Positive)의 비율이 낮아지는 것을 확인할 수 있었으며, F1-score 또한 0.69, 0.47, 0.29, 0.18, 0.14로 적은 노이즈 비율뿐 아니라 모든 비율에서 수치가 큰 폭으로 떨어진다는 것을 알 수 있다. 이를 통해 자율주행 기술의 안정성을 높일 수 있는 기반이 될 것이라 기대되며 향후에는 자연적으로 발생한 노이즈가 포함된 실제 데이터셋을 수집하고 발생된 노이즈를 더욱 효과적으로 제거할 수 있는 연구를 진행할 예정이다.
#YOLO
#Deep Learning
#Object Detection
#Data Quality
#Computer Vision
#Noise
#YOLO
#딥러닝
#객체 탐지
#데이터 품질
#컴퓨터 비전
#노이즈
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 요약
- I. Introduction
- II. Preliminaries
- III. The Proposed Scheme
- IV. Experiment
- V. Conclusions
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-25-02-090992492
