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
심이삭 (한동대학교) 임주형 (한동대학교) 장영완 (한동대학교) 유지환 (한동대학교) 오선택 (한동대학교) 김영근 (한동대학교)
저널정보
한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제29권 제10호
발행연도
2021.10
수록면
959 - 966 (8page)

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The latest CNN-based object detection models are quite accurate, but they require a high-performance GPU to run in real-time. For an embedded system with limited memory space, they are still are heavy in terms of memory size and speed. Since the object detection for autonomous system is run on an embedded processor, it is preferable to compress the detection network as light as possible while preserving detection accuracy. There are several popular lightweight detection models; however, their accuracy is too low for safe driving applications. Therefore, this paper proposes YOffleNet, a new object detection model that is compressed at a high ratio while minimizing the accuracy loss for real-time and safe driving application on an autonomous system. The backbone network architecture is based on YOLOv4, but we could significantly compress the network by replacing the high-calculation-load CSP DenseNet with the lighter modules of ShuffleNet. Experiments with KITTI dataset showed that the proposed YOffleNet is compressed by 4.7 times than the YOLOv4-s that could achieve as fast as 32 FPS on an embedded GPU system(NVIDIA Jetson AGX Xavier). When compared to the high compression ratio, the accuracy is reduced slightly to 85.8 % mAP, which is only 3.6 % lower than YOLOv4-s. As a result, the proposed network showed a high potential for deployment on the embedded system of the autonomous system for real-time and accurate object detection applications.
#Compressed CNN(경량화 CNN 모델) #Compressed object detection(경량화 객체탐지) #Autonomous driving(자율주행) #Embedded GPU(임베디드 GPU) #YOLOv4

목차

Abstract
1. 서론
2. 관련 연구
3. 객체탐지 경량화 알고리즘 설계
4. 실험 및 검증
5. 결론
References

참고문헌 (32)

참고문헌 신청
J. Y. Park / 2018 / Impact Analysis of Autonomous Vehicles and Policy Implications :1~200 google schola 이지혜 / 2018 / 자율주행자동차의 사회 수용에 미치는 영향 요인과 정책적 시사점 / 기술혁신학회지 21(2):715~737 dbpia A. Ferdowsi / 2018 / Robust Deep Reinforcement Learning for Security and Safety in Autonomous Vehicle Systems / 21st International Conference on Intelligent Transportation Systems(ITSC) :307~312 google schola S. Liu / 2019 / Edge Computing for Autonomous Driving:Opportunities and Challenges / Proceedings of the IEEE 107(8):1697~1716 google schola S. Q. Ren / 2016 / Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks / IEEE Transactions on Pattern Analysis and Machine Intelligence 39(6):1137~1149 google schola

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

YOLO와 CNN을 이용한 강인한 차량 번호판 인식 시스템 구현
김재정 ,  김창복 한국정보기술학회논문지 2021 .04
RGB 영상 및 LiDAR 포인트 클라우드 합성을 통한 YOLO 기반 실시간 객체 탐지
김진수 ,  조정호 한국정보기술학회논문지 2019 .08
자율주행 기술 동향 및 발전 방향: AI를 중심으로
김산민 ,  김영석 ,  전형석 외 2명 한국자동차공학회논문집 2022 .10
[E-mail 대담] 김숨에게 묻다
김경연 ,  김숨 오늘의 문예비평 2008 .05
Pure-Pursuit 알고리즘의 피드백 제어 이득과 전방주시거리 설계에 따른 자율주행 자동차의 경로 추종 성능 변화
주형진 ,  이기범 한국자동차공학회논문집 2021 .09

최근 본 자료

전체보기

댓글(0)

0