05. 인지를 위한 딥러닝 기술 개요

1. 딥러닝 모델의 신경망 구조

- 센서 데이터를 입력받아 원하는 결과를 출력

- Feed-Forward 신경망 구조

 

2. 딥러닝의 학습 과정

2.1 트레이닝

- 수많은 학습 데이터를 보여주고 정답을 제대로 낼 수 있도록 신경망의 연결여부를 결정해주는 과정

2.2 인퍼런스

- 트레이닝이 끝나면 딥러닝 모델을 자율주행차에 탑재하여 실제 인지 기능 수행

 

3. 인지를 위한 딥러닝 기술

3.1  Convolutional Neural Network ( CNN )

- 카메라 영상을 입력으로 하여 원하는 결과를 얻어냄

- 2차원 배열 데이터를 처리하기에 유리한 구조

- 자율주행차 적용 사례 : 카메라 영상을 기반으로 동적 객체와 정적 객체 검출

 

3.2 Recurrent Neural Network ( RNN )

- 시간적으로 순차적으로 들어오는 데이터를 입력으로 하여 원하는 출력을 얻어냄

- 음성인식, 자연어처리, 시계열 데이터 분석 등에 사용

- 자율주행차 적용 사례 : 주변 동적 객체의 과거 경로로부터 미래 경로 예측

- 특히 Long Short Term Memory ( LSTM ) 모델이 유명함

 

본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 기술'  강의의 요약 내용입니다