자율주행 Perception
1.자율 주행을 위한 기술들
자율주행에서 사용되는 여러 기술들
2.[Perception] 프로젝트의 전반적인 내용
perception & deep learning 기초 실제 perception 프로젝트의 파이프라인 요소 학습 object detection을 활용한 간단한 perception 프로젝트 수행 원하는 객체 인식 모델을 선택하고 원하는 데이터셋을 선택하여 원하는 결과가
3.[Perception] Open Dataset
자율주행 분야에서 사용할 수 있는 open dataset
4.딥러닝 데이터, 모델 찾는 방법
자율 주행 학습을 위해 필요한 데이터와 모델을 찾는 사이트 소개
5.BDD100K 데이터를 YOLO v3 데이터 format으로 만들기
BDD100K 데이터를 yolo model에서 사용하기 위해 yolo v3에 맞는 data format 형식으로 변환하는 코드 구현
6.[Data Labeling] 1. Data Labeling
data labeling의 정의와 labeling이 필요한 이유
7.[Data Labeling] 2. Data Labeling Tool : CVAT
이미지 데이터를 labeling하는 tool 중 하나인 CVAT 사용 방법
8.[Data Augmentation] 1. Data Augmentation
data augmentation의 정의, 필요성, 종류, 주의점
9.[Data Augmentation] 2. Image Augmentation Tool : albumentations
albumentations 라이브러리를 사용하여 image augmentation 수행
10.[Data Augmentation] 3. Image augmentation for object detection
object detection을 위한 image augmentation 방법
11.[Data Augmentation] 4. Image augmentation for segmentation
albumentations 라이브러리를 사용하여 segmentation image augmentation을 수행한다
12.[Perception Application] 1. Camera Model
camera model과 projection matrix
13.[Perception Application] 2. Camera Intrinsic Calibration
camera intrinsic calibration과 이를 위한 4가지 좌표계
14.[Perception Application] 3. Distortion
Distortion의 종류와 왜곡을 보정하는 방법
15.[Perception Application] 4. Intrinsic Calibration 구현
intrinsic calibration 구현해보기
16.[Perception Application] 5. Extrinsic Calibration
Extrinsic Calibration와 sensor fusion
17.[3D Perception] 1. LiDAR의 종류와 측정 원리
LiDAR의 종류와 그 측정 원리
18.[3D Perception] 2. LiDAR data의 protocol, format, library
LiDAR Data의 프로토콜 포맷
19.CeyMo : See more on road - A novel benchmark dataset for road marking detection 논문 리뷰
road marking detection을 위한 dataset과 method에 관한 논문