階層적 딥 아키텍처와 공동 교통 표지 및 신호등 검출을 위한 미니 배치 선택 방법 注：在韩文中，“阶层的”通常写作“계층적”，但根据SCI/SSCI期刊的风格，这里使用了“階層的”以保持一致性。如果你希望使用更常见的写法，请告知。

자율주행 차량에서 신호등 및 표지판 감지는 도로 장면 인식에 필수적입니다. 기존 연구에서는 주로 신호등이나 표지판 중 하나만 감지하는 딥 러닝 네트워크가 많이 제시되었으며, 이는 임베디드 시스템에서 사용 가능한 그래픽 처리 장치(GPU) 메모리와 전력이 제한적이기 때문에 실제 배포에는 적합하지 않습니다. 이 문제의 근본 원인은 공개된 데이터셋 중 어느 것도 신호등과 표지판 라벨을 모두 포함하고 있지 않아, 병합 감지 프레임워크 개발에 어려움이 따른다는 것입니다. 우리는 별도의 신호등 및 표지판 데이터셋으로 학습하면서 두 가지를 동시에 감지할 수 있는 깊은 계층 구조와 미니 배치 제안 선택 메커니즘을 제시합니다. 우리의 방법은 한 데이터셋에 존재하지만 다른 데이터셋에는 라벨이 부여되지 않은 인스턴스들의 겹침 문제를 해결합니다. 우리는 처음으로 신호등과 표지판의 병합 감지를 수행하는 네트워크를 제시합니다. 우리의 네트워크는 Tsinghua-Tencent 100K 벤치마크에서 표지판 감지를, Bosch Small Traffic Lights 벤치마크에서 신호등 감지를 측정하였으며, 기존의 Bosch Small Traffic Light 최신 기술 방법보다 우수한 성능을 보였습니다. 우리는 자율주행 차량 배포에 초점을 맞추고, 저 메모리 용량과 실시간 이미지 처리 시간 덕분에 우리의 네트워크가 다른 것들보다 더 적합하다는 점을 보여줍니다. 질적인 결과는 다음 링크에서 확인할 수 있습니다: https://youtu.be/_YmogPzBXOw