자율주행 (6) 썸네일형 리스트형 You Only Look Once: Unified, Real-Time Object Detection 2016년에 나온 논문으로 현재 기술들과는 상당히 다른 점이 있어 review부분에서 말하는 시간대는 앞서 논문이 나온 16년도를 배경으로 이야기하겠습니다. 0. Abstract Object Detection에 관해서 새로운 방식으로 연구를 해서 YOLO라는 접근방식 얻었습니다. 이미지 전체에 대해서 하나의 신경망으로 bounding box 예측 및 class probabailites 예측을 가능하게 했습니다. => End-to-end 방식으로 optimized 했습니다. ※bounding box : 객체를 인식하는 직사각형 box를 말합니다. ※class probabailites : 클래스 확률이라고 직역이 되고 bounding box에서 검출한 객체가 특정 클래스에 해당할 확률을 말합니다. Yolo .. Object Detection in 20 Years : A Survey 0. Abstract 컴퓨터 비전에서 Object Detection에는 20년동안 급속도로 기술이 발전되었습니다. 오늘날은 딥러닝이 주도한 Object Detection 혁명이라면, 과거 90년대는 초기 컴퓨터 비전의 창의적 사고 및 장기적인 전망을 바탕으로 한 설계가 되었습니다. 본 논문은 90년대부터 22년까지 Object detection 기술을 다루는 Survey 논문입니다. 역사적으로 주요했던 detectors, detector의 데이터셋, metric (평가지표), detection system 기본 요소, 속도 향상 기술, 최근의 첨단 기술 및 관심 분야를 다루게 됩니다. 1. Introduction Object detection은 디지털 이미지에서 특정 클래스 (사람, 동물, 사물 등) 시.. D* Algorithm D* Algorithm Dynamic A* 라고 하기도 하며 이 알고리즘은 시작점 (start state)에서 목표점(goal state)까지의 경로비용을 최소화하는 서치 알고리즘 중의 하나라고 합니다. D* 알고리즘의 전역경로계획은 지도 데이터를 바탕으로 로봇이 출발하기 전에 이루어질 수 있는데 각 셀의 화살표(back pointer)는 전역경로 계획된 결과를 나타냅니다. 셀에서 화살표 방향은 근처 셀 중에서 경로 비용이 가장 작은 셀을 나타냅니다. 전역 경로계획은 목표지점에서 거꾸로 시작점을 찾아가는 Backward 서치 방법으로 이루어집니다. 지역 경로 계획은 로봇의 이동 중 새로운 고정 또는 이동장애물이 발견된 경우 기존 계획된 전역경로계획 결과를 바탕으로 새로운 장애물 근방의 고유비용을 수정한 .. A*(astar) Algorithm 길찾기 알고리즘은 말 그대로 시작점과 목표점 사이의 최단 거리 길을 찾아주는 알고리즘입니다. RPG에서 벽 너머의 맵을 클릭했을 때 캐릭터가 최단거리로 움직이는 것이 바로 길찾기 알고리즘을 사용한 것입니다. 가장 많이 사용하는 A* (A star) 알고리즘을 알아보도록 하겠습니다. 탐색 영역 둘러보기 탐색 시작 경로 채점 계속 탐색 탐색 영역 둘러보기 (The Search Area) 간단하게 우리가 길을 찾아야할 지역을 탐색해보도록 하겠습니다. A지점에서 B지점으로 가는 것으로 목표가 정해졌습니다. 두 포인트 사이에 벽이 있네요. 이 가정은 아래 그림과 같습니다. 초록색은 시작포인트 A, 빨간색은 엔딩포인트 B입니다. 그리고 파란색으로 두 지점 사이에 벽이 쳐져있습니다. 그림을 보면 우리의 탐색 지역은 .. Path Planning 1. 경로계획 정의 : 한 지점에서 다른 한 지점까지 가는 동안 일어날 수 있는 모든 상황을 고려하여 주행을 진행하는 기술입니다. 종류 : 전역 경로 계획 & 지역 경로 계획 - Global Path Planning Global Map 안에서 출발 지점 ~ 도착 지점까지 갈 수 있는 수많은 경로 중에서 하나의 경로를 선택하는 기술입니다. 최소 비용, 최단 거리, 단순 정도 등에 따라 경로 선택 - Local Path Planning Local Map 안에서 주변 정보를 실시간으로 처리합니다 => 사용자가 안전하고 효율적으로 주행할 수 있도록 하는 기술 전역 경로 계획과 스케일 차이가 있어 목적이 다르고 풀고자 하는 방법이 다릅니다. 돌발 상황에 대응하기 위한 여러 경로가 생성되며 Selection하는 알.. [Review] End to End Learning for Self-Driving Cars 0. Abstract 자율주행 자동차의 주행을 위해 컴퓨터 비전 기술을 사용하는 방법을 설명하고 있습니다. 이를 위해 컨벌루션 신경망(CNN)을 사용하여, 전면 카메라에서 입력되는 생 이미지(raw pixels)를 직접 조향 명령(steering commands)으로 매핑(mapping)하였습니다. 이 방법은 전체 시스템에 대한 최적화를 가능하게 하기 때문에, 최소한의 학습 데이터만으로도 시스템이 교통 정체와 같은 도로 환경에서 운전할 수 있습니다. 이 시스템은 컴퓨터가 도로 특징을 자동으로 감지하고 이를 처리하는 방식을 학습합니다. 인간의 조향 각도만을 학습 신호(training signal)로 사용하여, 시스템 내부 표현(internal representations)을 자동으로 학습합니다. 이러한 방.. 이전 1 다음
