자율주행 안전을 위한 Mask R-CNN 기반 폐색 영역 검출

국문 초록 (Abstract)

자율주행 자동차의 비전 분야에서의 폐색 영역 검출은 보완해야 할 기술 결함의 중점이다. 본 연구에서는 자율주행 안전을 위한 Mask R-CNN 기반 폐색 영역 검출을 제안한다. 제안하는 방법은 Mask R-CNN 모델에 학습된 데이터를 기반으로 객체를 인식한다. 또한, 교통수단을 종류별로 분류하여 세부적으로 이미지 분할을 진행한다. 객체가 가려지거나 겹쳐졌을 때 객체 추적률을 높일 수 있다. 인식한 객체의 고유한 라벨을 기반으로 LSTM을 이용 시계열 데이터를 이용한 객체 탐지 기반 폐색 영역 검출을 제안한다. 제안하는 방법은 시간의 흐름에 따른 객체 탐지 정확도를 높이고, 이를 활용함으로써 자율주행의 안전성을 향상시킨다.

다국어 초록 (Multilingual Abstract)

Detection of occluded areas in the vision field of autonomous vehicles is the focus of technical defects to be supplemented. In this paper, we proposes the Mask R-CNN based occlusion area detection in the autonomous driving safety. The proposed method recognizes objects based on data learned in the Mask R-CNN model. In addition, transportation is classified by type and image division is carried out in detail. It is possible to increase the object tracking rate when the object is covered or overlapped. Based on the unique label of the recognized object, we propose object detection-based occluded area detection using time series data using LSTM. The proposed method improves the accuracy of object detection over time and improves the autonomous driving safety by utilizing it.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 자율주행 안전을 위한 Mask R-CNN 기반 폐색 영역 검출
• Ⅲ. 결론
• 참고문헌