Split-Attention 백본 네트워크를 활용한 차선 인식에 관한 연구

• Published in: 韓國ITS學會 論文誌 Vol. 19; no. 5; pp. 178 - 188
• Main Authors: 송인서, 이선우, 권장우, 원종훈
• Format: Journal Article
• Language: Korean
• Published: 한국ITS학회 31.10.2020
• Subjects: 전자/정보통신공학; Deep learning; 자율 주행; 인공 지능; 딥 러닝; Lane detection; Convolutional neural network; AI; Autonomous driving; 합성곱 신경망; 차선 인식
• ISSN: 1738-0774; 2384-1729
• DOI: 10.12815/kits.2020.19.5.178

본 논문에서는 split-attention 네트워크를 백본으로 특징을 추출하는 차선인식 CNN 네트워 크를 제안한다. split-attention은 CNN의 특징 추출 과정에서 feature map의 각 channel에 가중치 를 부여하는 방법으로, 빠르게 변화하는 자동차의 주행 환경에서 안정적으로 이미지의 특징을 추출할 수 있다. Tusimple 데이터 셋을 활용하여 본 논문에서 제안하는 네트워크를 학습·평가 하였으며, 백본 네트워크의 레이어 수에 따른 성능 변화를 비교·분석 하였다. 평가 결과 최대 96.26%의 정확도로 최신 연구에 준하는 결과를 얻었으며, FP의 경우 0.0234(2.34%)로 비교 연 구 중 가장 좋은 결과를 보여준다. 따라서, 실제 차량의 주행 환경 등에서도 본 연구에서 제안 하는 모델을 사용하여 오인식 없이 안정적인 차선 인식이 가능하다.