객체 검출의 강건성 벤치마킹: 겨울이 다가올 때 자율 주행

이미지 왜곡이나 날씨 조건에 관계없이 물체를 감지하는 능력은 자율 주행과 같은 딥 러닝의 실제 응용 분야에서 매우 중요합니다. 본 연구에서는 이미지 품질이 저하될 때 객체 감지 모델의 성능을 평가하기 위한 사용하기 쉬운 벤치마크를 제공합니다. 이 벤치마크는 Pascal-C, Coco-C, Cityscapes-C라는 세 가지 벤치마크 데이터셋으로 구성되며, 다양한 이미지 오염을 포함하고 있습니다. 우리는 표준 객체 감지 모델들이 오염된 이미지에서 심각한 성능 저하(원래 성능의 30~60%까지)를 겪는다는 것을 보여주었습니다. 그러나 훈련 이미지를 스타일화하는 간단한 데이터 증강 기법은 오염 유형, 심각도 및 데이터셋에 걸쳐 강건성(Robustness)을 크게 향상시킵니다. 우리는 이 포괄적인 벤치마크가 미래에 강건한 객체 감지 모델 구축을 위한 진전을 추적하는 데 도움이 되기를 기대합니다. 벤치마크, 코드 및 데이터는 공개적으로 이용 가능합니다.