본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지 2

[요약] 4

목차 5

Ⅰ. 서론 6

Ⅱ. 관련 연구 11

Ⅲ. 제안 방법 14

3.1. 제안하는 방법의 기초 원리 및 고려 사항 15

3.1.1. 바운딩 박스 크기와 거리 간의 상관관계 17

3.1.2. 클래스 정보와 깊이 추정의 관계 17

3.1.3. 잘린 객체와 깊이 추정의 불확실성 20

3.1.4. 객체 회전 상태의 중요성 21

3.2. DeFod-Net의 특징 벡터 및 설계 원리 23

3.3. 딥러닝 기반의 깊이 추정 프레임워크와 학습 방법 27

Ⅳ. 실험 30

4.1. 데이터세트 구성 및 특징 30

4.2. 데이터세트 전처리 31

4.3. 평가 지표 31

4.4. 기존 연구와의 비교 실험 32

4.5. 특징 벡터의 조합 비교 35

Ⅴ. 결론 38

참고문헌 39

Abstract 40

초록보기

 본 논문은 개인형 이동장치와 같은 제약된 컴퓨팅 환경에서도 효율적으로 작동할 수 있는 경량화된 단안 카메라 기반 객체 탐지 및 깊이 추정 방법을 제안한다. 사람이 인식한 물체의 거리를 알고자 할 때, 크기와 종류를 바탕으로 예측하는 원근감의 원리에서 착안하여, 객체 탐지로부터 추출된 정보를 재구성해 신경망 모델이 깊이를 예측하도록 설계하였다. 제안하는 접근법은 복잡한 이미지 처리를 최소화하여 연산 비용을 줄이면서도, 객체 탐지 및 깊이 추정 양 쪽 모두 높은 정확도를 유지하는 효과를 보였다. 특히, 본 연구에서는 객체 탐지 결과로 나타날 수 있는 객체의 회전 상태와 잘림 현상이 깊이 추정 성능에 미치는 영향을 고려하였다. 객체 크기의 비선형적 정보와 선형적 정보를 조합하여 회전에 의한 크기 변화를 보정하고, 객체의 위치 정보를 활용하여 잘린 객체를 판단 할 수 있도록 설계되었다. 제안된 방법은 기존의 LiDAR 센서를 대체할 가능성을 제시하며, 다른 연구와의 비교를 통해 평균 상대 오차가 기존 대비 46% 줄어듦을 입증하였다. 또한, 객체 탐지의 정확도가 깊이 추정 성능에 중요한 영향을 미친다는 점을 실험적으로 확인하였다. 다양한 거리 분포와 클래스에서 안정적으로 높은 성능을 기록하며, 자율주행 및 개인형 이동장치와 같은 실시간 응용 환경에 적합한 모델임을 보여준다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차