인공지능 연구의 발전에 따라 자율주행을 위한 인공지능 기반 다양한 인지 알고리즘이 다양하게 개발되고 있다. 일례로 도심 운행 중인 자율주행 자동차가 신호등을 강인하게 인식하기 위해 다양한 인공지 능 알고리즘을 활용한다. 인공지능을 학습시키는 데 있어 다양한 학습 매개변수를 설정해야 하는데, 학습기의 GPU 성능에 따라 매개변수의 선택 범위가 달라진다. 이 논문은 다양한 GPU에 대하여 Batch Size 선택에 따른 mAP 성능 변화 경향을 고찰한다.

A Study on Accuracy Improvement of Traffic Sign Perception CNN for Autonomous Driving According to Batch Size of Training Data Set

Jae Un Lee, Jong-Hoon Won*

Various perception algorithms based on Artificial Intelligence (AI) techniques for autonomous driving vehicles are under study. For example, an autonomous driving vehicle driving in urban road utilizes different forms of AI algorithms to recognize traffic signs, robustly. In order to determine the learning parameters when training the AI algorithm, the Graphical Processing Unit (GPU) performance of the training computer plays an key role in determine the range of learning parameters. This paper presents the tendency on the variation of mean Average Precision (mAP) performance with respect to batch size for various GPUs.

Keywords: deep learning, autonomous, hyper parameter, detection

Speaker 이재운 인하대학교