자율주행 자동차에서 DNN 기반 안전 필수 응용의 성능 저하 방지

참고문헌 (Reference)

1 김명선, "혼합 중요도 시스템에서 안전 필수 응용의 성능 고립화 방법" 대한전자공학회 56 (56): 27-33, 2019

2 노순현, "자율 기기를 위한 속도가 제어된 데이터 기반 실시간 스트림 프로세싱" 한국로봇학회 14 (14): 340-347, 2019

3 최지욱, "드론의 자동 랜딩을 위한 CNN을 이용한 객체인식" 대한전자공학회 56 (56): 82-90, 2019

4 이진수, "객체 인식에서의 속도 향상을 위한 모델 앙상블" 대한전자공학회 56 (56): 35-42, 2019

5 "https://docs.nvidia.com/cuda/cuda-runtime-api/gro up__CUDART__STREAM.html"

6 "https://developer.nvidia.com/embedded/jetson-agxxavier-developer-kit"

7 "https://developer.nvidia.com/cudnn"

8 "https://developer.nvidia.com/cuda-toolkit"

9 R, Joseph, "You only look once: Unified, real-time object detection" 2016

10 K. Simonyan, "Very deep convolutional networks for large-scale image recognition" 2015

11 X. Yu, "Utilization of DenseNet201 for diagnosis of breast abnormality" 30 : 2019

12 "Torch"

13 "TensorFlow"

14 M. Hajinoroozi, "Prediction of driver’s drowsy and alert states from EEG signals with deep learning" 2015

15 A. Krizhevsky, "ImageNet classification with deep convolutional neural networks" 1097-1105, 2012

16 J. Dyrstad, "Grasping virtual fish: A step towards robotic deep learning from demonstration in virtual reality" 2017

17 D. Vasisht. Z. Kapetanovic, "FarmBeats: An IoT Platform for Data-Driven Agriculture" 2017

18 L. Nguyen, "Deep CNNs for microscopic image classification by exploiting transfer learning and feature concatenation" 2018

19 "Caffe, Deep learning framework by BAIR"