TwinLiteNet: 자율주행차의 주행가능 영역 및 차선 분할을 위한 효율적이고 경량화된 모델

의미 분할은 자율 주행 차량에서 주변 환경을 이해하기 위한 일반적인 작업입니다. 주행 가능 영역 분할(Driveable Area Segmentation)과 차선 검출(Lane Detection)은 도로 상에서 안전하고 효율적인 항법을 위해 특히 중요합니다. 그러나 기존의 의미 분할 모델들은 계산적으로 비싸고 고급 하드웨어를 필요로 하므로, 자율 주행 차량의 임베디드 시스템에서는 실용적이지 않습니다. 본 논문에서는 주행 가능 영역과 차선 라인 분할을 위한 경량화 모델인 TwinLiteNet을 제안합니다. TwinLiteNet은 저렴하게 설계되었지만 정확하고 효율적인 분할 결과를 달성합니다. 우리는 BDD100K 데이터셋에서 TwinLiteNet을 평가하고 현대적인 모델들과 비교하였습니다. 실험 결과, TwinLiteNet은 기존 접근 방식과 유사한 성능을 보이면서도 훨씬 적은 계산 자원을 요구하는 것으로 나타났습니다. 구체적으로, TwinLiteNet은 0.4백만 개의 매개변수로 주행 가능 영역 작업에서 mIoU 점수 91.3%와 차선 검출 작업에서 IoU 점수 31.08%를 달성하였으며, GPU RTX A5000에서 415 FPS를 기록하였습니다. 또한, TwinLiteNet은 제한된 계산 능력을 가진 임베디드 장치에서도 실시간으로 실행될 수 있으며, 특히 Jetson Xavier NX에서 60 FPS를 달성하여 자율 주행 차량에 이상적인 솔루션임을 입증하였습니다. 코드는 다음 URL에서 제공됩니다: https://github.com/chequanghuy/TwinLiteNet.