자율 주행 차량 후방 카메라 오염 탐지를 위한 에너지 기반 학습 외 분포 데이터 탐지 네트워크와 확산 모델 기반 데이터셋 (Energy-based Out-of-distribution Detection Network and Diffusion Model-based Dataset for Soiling Detection in Rear Camera Scenes of Autonomous Vehicles)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 11호 / 95 ~ 103페이지
· 저자명 : 문승훈, 전창렬, 이정훈, 정동혁, 염석주, 강석주

초록

자율 주행 상황에서 차량 후방 카메라의 오염 여부를 감지하는 것은 중요한 문제이다. 오염 물질을 도로 위 객체로 오탐지하여 자율 주행이 원활하게 이루어 질 수 없기 때문이다. 하지만 이러한 문제를 해결하기 위한 연구는 오염 탐지 특화 데이터셋의 부재로 인해 활발히 이루어지지 않고 있으며 실제 자율 주행 상황에 적용하기 충분한 성능을 보이지 않고 있다. 본 논문은 이러한 한계점을 해결하기 위해 에너지 기반 학습 외 분포 데이터 탐지 네트워크와 확산 모델을 기반한 오염 탐지 특화 데이터셋을 제안한다. 실험 결과 에너지 기반 학습 외 분포 데이터 탐지 네트워크는 baseline 대비 15.52% 개선된 94.73%의 오염과 비오염 상황 분류 정확도를 기록하였다. 또한 제안한 확산 모델 기반 오염 탐지 특화 데이터셋을 통한 학습은 상황 분류 성능을 95.24%까지 개선하였다. 마지막으로 사용한 네트워크를 모바일 기기에 임베딩하여 백본별 오염 및 비오염 상황 분류 성능과 추론 시간의 트레이드오프를 분석하는 실험을 진행하여 자율 주행 상황에서의 실시간 동작 가능성을 검증하였다.

영어초록

It is a crucial problem in autonomous driving scene to detect whether a rear-view camera of a vehicle is soiled. The false detection of soiled contaminants as road objects makes it hard to operate autonomous driving. However, due to the absence of a soiling detection-specific dataset, recent research to solve the issue is not actively conducted while they show insufficient performance for real-world applications. To address these limitations, we propose an energy-based out-of-distribution (OOD) detection network and diffusion model-based task-specific dataset. In the experimental results, the proposed network reaches 94.73% of soiling detection accuracy, which is a 15.52% improvement compared to the baseline. In addition, training procedure with the proposed task-specific dataset further impoved the soiling detection accuracy to 95.24%. Finally, we embedded the proposed network onto a mobile device and conducted experiments to validate its real-time capability in autonomous driving scenarios. These experiments analyzed the trade-offs between the backbone-specific soiling detection performance as well as inference time.

참고자료

· 없음