[논문 리뷰] Applying Semantic Segmentation to Autonomous Cars in the Snowy Environment

Zhaoyu Pan, Takanori Emaru외 2명|arXiv (Cornell University)|2020. 07. 25.

Advanced Neural Network Applications참고 문헌 6인용 수 8

한 줄 요약

이 논문은 자율주행 차량의 환경 인식을 향상시키기 위해 완전 컨volution 네트워크(FCN)를 사용한 의미적 세그멘테이션 접근법을 제안한다. 자체 구축한 데이터셋으로 훈련된 방법은积 snow로 덮인 환경에서의 객체 분류 성능을 향상시켰지만, 결과적으로 데이터셋 최적화와 성능 향상을 위한 보다 나은 알고리즘의 필요성을 시사한다.

ABSTRACT

This paper mainly focuses on environment perception in snowy situations which forms the backbone of the autonomous driving technology. For the purpose, semantic segmentation is employed to classify the objects while the vehicle is driven autonomously. We train the Fully Convolutional Networks (FCN) on our own dataset and present the experimental results. Finally, the outcomes are analyzed to give a conclusion. It can be concluded that the database still needs to be optimized and a favorable algorithm should be proposed to get better results.

연구 동기 및 목표

• 자율주행 차량을 위한 눈 내리는 조건에서의 환경 인식 향상.
• 저시인성, 눈 덮인 환경에서의 의미적 세그멘테이션 도전 과제 해결.
• 눈 내리는 조건에서 수집한 자체 구축 데이터셋에 대한 완전 컨volution 네트워크(FCN)의 성능 평가.
• 눈 내리는 자율주행 시나리오에서 현재의 데이터셋과 모델의 한계 규명.

제안 방법

• 눈 내리는 환경에서 수집한 자체 구축 데이터셋으로 완전 컨볼루션 네트워크(FCN) 훈련.
• 픽셀을 도로, 차량, 보행자, 눈 등의 의미적 카테고리로 분류하기 위해 엔드 투 엔드 딥 러닝 사용.
• 도메인 특화 데이터셋을 구축하기 위해 눈 내리는 조건에서의 실차 주행 데이터 수집.
• 데이터 증강을 통해 강건성을 향상시키기 위해 표준 의미적 세그멘테이션 파이프라인 활용.
• 자체 구축 데이터셋에서 표준 세그멘테이션 메트릭을 사용해 모델 성능 평가.
• 실패 케이스 분석 및 세그멘테이션 출력 시각화를 통해 데이터셋 및 모델 한계 규명.

실험 결과

연구 질문

• RQ1 눈 내리는 조건에서 FCN를 활용한 의미적 세그멘테이션은 자율주행에 얼마나 효과적인가?
• RQ2 딥 러닝을 사용해 눈 덮인 환경에서 객체를 세그멘테이션할 때 주요 과제는 무엇인가?
• RQ3 자체 구축한 눈 내리는 데이터셋에서의 성능은 일반 목적 데이터셋과 비교해 어떻게 다른가?
• RQ4 눈 내리는 자율주행 시나리오에서 현재의 데이터셋과 모델에 존재하는 한계는 무엇인가?
• RQ5 눈 내리는 환경에서 더 나은 일반화를 위해 데이터 수집 및 모델 아키텍처에 어떤 개선이 필요한가?

주요 결과

• 제안된 FCN 기반 의미적 세그멘테이션 모델은 눈 내리는 주행 조건에서 측정 가능한 성능을 달성하여 실현 가능성을 입증한다.
• 모델은 미세한 객체 경계 처리와 특히 눈과 유사한 색상의 물체 간의 클래스 혼동 문제를 겪는다.
• 현재 데이터셋이 최적의 모델 일반화를 위해 충분한 다양성과 품질을 갖추지 못하고 있음을 결과가 시사한다.
• 시각적 분석 결과 눈 덮인 도로 표면과 가려진 차량의 자주 오분류되는 경향을 확인할 수 있다.
• 연구는 강력한 성능을 확보하기 위해 향후 데이터셋 최적화 및 알고리즘 개선이 필요하다고 결론 내린다.
• 저자들은 눈 내리는 환경에 특화된 아키텍처 및 데이터 증강 기법 개발을 권장한다.