Core Concepts
자율주행 시스템의 안전성 확보를 위해 3D 객체 탐지 오류를 실시간으로 모니터링하는 방법을 제안한다. 신경망 모델의 초기 레이어 활성화 패턴을 활용하여 오류 탐지 성능을 향상시킨다.
Abstract
이 연구는 자율주행 시스템의 안전성 확보를 위해 3D 객체 탐지 오류를 실시간으로 모니터링하는 방법을 제안한다.
기존 연구는 2D 객체 탐지에 초점을 맞추었지만, 이 연구는 LiDAR 기반 3D 객체 탐지에 주목한다.
신경망 모델의 초기 레이어 활성화 패턴을 활용하여 오류 탐지 성능을 향상시킨다.
실험 결과, 초기 레이어 활성화 패턴을 활용하면 마지막 레이어 활성화 패턴만 사용하는 것보다 오류 탐지 성능이 향상되었다.
또한 다중 레이어 활성화 패턴을 결합하는 새로운 방법을 제안하여, 성능과 계산 복잡성의 균형을 달성했다.
Kitti와 NuScenes 데이터셋을 사용하여 PointPillars와 CenterPoint 모델을 평가했으며, 제안 방법의 우수한 성능을 확인했다.
Stats
제안 모델은 Kitti 데이터셋에서 AUROC 0.8309, NuScenes 데이터셋에서 AUROC 0.9288을 달성했다.
제안 모델의 CPU 추론 시간은 4.94ms, GPU 추론 시간은 1.95ms로 실시간 운영에 적합하다.
Quotes
"자율주행 시스템의 안전성 확보를 위해 지속적인 지각 시스템 모니터링 메커니즘이 필요하다."
"LiDAR 기반 3D 객체 탐지에서는 최종 레이어 활성화 패턴만으로는 오류 탐지에 충분하지 않을 수 있다."
"다중 레이어 활성화 패턴을 결합하면 성능과 계산 복잡성의 균형을 달성할 수 있다."