대규모, 복잡하고 현실적인 안전의복 및 헬멧 탐지: 데이터셋과 방법

건설 현장 근로자의 안전을 보장하기 위해 안전 복 및 헬멧을 탐지하는 것은 매우 중요하다. 그러나 이 분야에서 딥러닝 모델의 개발은 고품질 데이터셋의 부족으로 인해 지연되고 있다. 본 연구에서는 대규모이며 복잡하고 현실적인 안전 복 및 헬멧 탐지(SFCHD, Safety Clothing and Helmet Detection) 데이터셋을 구축하였다. SFCHD 데이터셋은 실제 두 곳의 화학 플랜트에서 촬영한 자료를 기반으로 하며, 총 12,373장의 이미지, 7개의 클래스, 50,552개의 어노테이션이 포함되어 있다. 본 데이터셋은 4:1의 비율로 학습용과 테스트용으로 분할되었으며, 여러 전통적인 객체 탐지 알고리즘을 적용하여 데이터셋의 유용성을 검증하였다. 또한 공간적 및 채널 주의 메커니즘을 영감으로 삼아, 공간적 및 채널 주의 기반의 저조도 강화(SCALE, Spatial and Channel Attention-based Low-light Enhancement) 모듈을 설계하였다. SCALE는 플러그 앤 플레이 방식으로 구현되며 높은 유연성을 갖추고 있다. ExDark 및 SFCHD 데이터셋에서 수행된 광범위한 평가를 통해 SCALE 모듈이 저조도 환경에서 탐지기의 성능을 향상시키는 데 실질적으로 효과적임이 입증되었다. 본 연구의 데이터셋과 코드는 공개적으로 제공되며, https://github.com/lijfrank-open/SFCHD-SCALE 에서 접근할 수 있다.