[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

StreakNet-Arch: An Anti-scattering Network-based Architecture for Underwater Carrier LiDAR-Radar Imaging

Created by
  • Haebom

저자

Xuelong Li, Hongjun An, Haofei Zhao, Guangying Li, Bo Liu, Xing Wang, Guanghua Cheng, Guojun Wu, Zhe Sun

개요

본 논문에서는 수중 운반체 LiDAR-라이다(UCLR) 기반의 실시간 이진 분류 프레임워크인 StreakNet-Arch를 제시합니다. StreakNet-Arch는 셀프 어텐션과 새로운 이중 분기 교차 어텐션(DBC-Attention)을 통합하여 산란 억제를 향상시킵니다. 제어된 수조 검증 조건 하에서, 셀프 어텐션 또는 DBC-Attention을 사용한 StreakNet-Arch는 기존 대역 통과 필터링보다 우수한 성능을 보이며, 비슷한 모델 크기 및 복잡도에서 학습 기반 MP 네트워크 및 CNN보다 높은 F1 점수를 달성합니다. NVIDIA RTX 3060에서의 실시간 벤치마크 결과, 프레임 수에 관계없이 일정한 평균 이미징 시간(5484ms)을 보이는 반면, 기존 방법은 선형적으로 증가(581,257ms)하는 것을 확인했습니다. 추가 연구를 위해 2,695,168개의 실제 수중 3D 점 구름 데이터를 포함하는 공개적으로 이용 가능한 스트릭 튜브 카메라 이미지 데이터셋을 제공합니다. 더 중요한 것은, 남중국해 시험에서 1,000m 깊이와 20m 거리에서 3D 표적에 대해 46mm의 오차를 달성하여 UCLR 시스템의 성능을 검증했습니다. 소스 코드와 데이터는 https://github.com/BestAnHongjun/StreakNet 에서 이용 가능합니다.

시사점, 한계점

•
시사점:
◦
실시간 수중 3D 객체 검출을 위한 효율적이고 정확한 새로운 프레임워크(StreakNet-Arch) 제시
◦
셀프 어텐션과 DBC-Attention을 활용한 산란 억제 효과 검증 및 기존 방법 대비 성능 향상 확인
◦
대규모 실제 수중 3D 점 구름 데이터셋 공개를 통한 후속 연구 지원
◦
남중국해 실제 환경에서의 시스템 성능 검증 및 높은 정확도 달성
•
한계점:
◦
제어된 수조 환경과 실제 해양 환경 간의 차이로 인한 성능 저하 가능성
◦
데이터셋의 다양성 및 범위에 따른 일반화 성능 한계
◦
특정 하드웨어(NVIDIA RTX 3060) 기반의 실시간 성능 평가로 인한 일반화 어려움
◦
더욱 다양한 수중 환경에서의 추가적인 검증 필요
👍
Made with Slashpage