메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이후경 (국민대학교) 전재승 (국민대학교) 홍석진 (국민대학교) 유진우 (국민대학교)
저널정보
한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제31권 제9호
발행연도
2023.9
수록면
699 - 706 (8page)
DOI
10.7467/KSAE.2023.31.9.699

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
With the increased interest in point cloud processing, point cloud sampling techniques have also been attracting attention. As more models can calculate point clouds directly, working time has become an essential factor. The down-sampling process can solve this problem. Existing sampling algorithms have performed constant sampling methods regardless of the characteristics of task-model learning. However, this weakness has limitations in improving the performance of the task model in learning, and such task-agnostic methods perform too low when the sampling rate is high. Therefore, this paper proposes a novel down-sampling model network based on deep learning tasks. The proposed network utilizes fully connected layers to extract meaningful features from input sequences, and adds positional encoding instead of a conventional convolution concept. By introducing positional encoding into down sampling, the proposed network learns about the relationship between point clouds, and generates a task-oriented sampling methodology. Furthermore, the network incorporates skip connections to preserve important information during the down-sampling process. The proposed model outperforms several state-of-the-art models in terms of classification accuracy. With the fast inference time of the proposed network, it can be used in various applications, and our approach provides a promising solution for down-sampling tasks in different point cloud applications.
#Deep learning(딥러닝) #Positional encoding(위치 인코딩) #Point cloud(점군) #Down sampling(다운 샘플링) #Classification(분류)

목차

Abstract
1. 서론
2. 관련 연구
3. 제안하는 샘플링 네트워크 방법론(L-Net)
4. 실험 결과 및 토론
5. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝 기반 Depth Estimation 및 Segmentation 활용을 통한 Mono SLAM 알고리즘 성능 개선 연구
임동선 ,  유진우 한국자동차공학회논문집 2023 .08
정밀도로지도 경량화 정보 기반 전역경로 생성 가속화 방법론
김경현 ,  홍석진 ,  유진우 한국자동차공학회논문집 2024 .05
정제된 특징 공간에서의 윈도우 어텐션이 적용된 Vision Transformer기반 이미지 분류 성능 개선 연구
유다연 ,  유진우 전기학회논문지 2024 .06
OpenSCENARIO 기반 자율주행 시나리오 형식 변환 및 정합성 검증 방법론
유다연 ,  오태영 ,  유진우 한국자동차공학회논문집 2024 .05
자율주행 시스템을 위한 시뮬레이션 기반 SOTIF 위험 분석 및 위험 평가 방법론
최해서 ,  한승재 ,  전종원 외 2명 한국자동차공학회논문집 2024 .04

최근 본 자료

전체보기

댓글(0)

0