트랙 부스팅과 합성 데이터를 활용한 드론 탐지

이 논문은 AVSS 2021에서 주최한 드론 대 새 도전 대회(Drone vs. Bird Challenge)에서 1위를 차지한 솔루션에 대한 연구 결과이다. 드론의 비용이 낮아지고 기술이 향상되면서 드론의 활용이 급격히 증가함에 따라, 드론 탐지는 핵심적인 객체 탐지 과제로 부상하고 있다. 그러나 낮은 대비, 장거리, 낮은 시야 등의 불리한 조건 하에서 멀리 있는 드론을 탐지하는 것은 효과적인 알고리즘의 필요성을 더욱 부각시킨다. 본 연구에서는 칼만 필터 기반의 객체 추적기를 활용하여 실재 데이터와 합성 데이터를 결합하여 YOLOv5 모델을 미세 조정함으로써 탐지 신뢰도를 향상시키는 방식으로 드론 탐지 문제에 접근한다. 실험 결과, 최적의 합성 데이터 서브셋을 실재 데이터에 보완함으로써 성능 향상을 달성할 수 있음을 확인하였으며, 객체 추적 기법을 통해 획득한 시계열 정보 또한 성능 향상에 기여함을 입증하였다.