교통 표지 인식 시스템을 위한 심층 신경망: 공간 변환기 및 확률적 최적화 방법에 대한 분석

본 논문은 교통 표지 인식 시스템을 위한 딥러닝 기반 접근법을 제안한다. 독일과 벨기에에서 공개된 교통 표지 데이터셋을 이용하여, 합성곱 층(Convolutional layers)과 공간 변환 네트워크(Spatial Transformer Networks)를 포함하는 심층 신경망(Deep Neural Network)을 기반으로 다양한 분류 실험을 수행하였다. 이러한 실험은 교통 표지 분류 작업의 최신 기술 수준을 향상시킬 수 있는 심층 합성곱 신경망(Convolutional Neural Network) 설계를 목적으로 하며, 다양한 요인들이 성능에 미치는 영향을 측정하는 데 초점을 맞추고 있다. 먼저, SGD, SGD-Nesterov, RMSprop, Adam 등 다양한 적응형 및 비적응형 확률적 경사 하강 최적화 알고리즘이 평가되었다. 이후, 주요 신경망 내부의 다양한 위치에 배치된 공간 변환 네트워크의 여러 조합이 분석되었다. 제안하는 합성곱 신경망은 독일 교통 표지 인식 벤치마크(German Traffic Sign Recognition Benchmark)에서 99.71%의 인식 정확도를 기록하여 기존의 최신 기술을 상회하였으며, 메모리 요구량 측면에서도 더 효율적인 성능을 보였다.