실시간 고정밀 소형 교통표지 인식을 위한 방법

교통 시스템의 핵심 요소로서 교통 표지판은 도로 상태에 관한 필수 정보를 운전자, 보행자 등에게 제공함으로써 사고 위험을 감소시킨다. 컴퓨터 비전 및 인공지능 기술의 급속한 발전에 따라, 교통 표지판 인식 시스템은 고급 운전자 보조 시스템(ADAS) 및 자율 주행 시스템에 적용되어 운전자와 자율 주행 차량이 중요한 도로 정보를 정확히 파악하도록 지원하고 있다. 그러나 실용적 환경에서는 소형 교통 표지판 인식이 여전히 도전 과제로 남아 있다. 본 논문에서는 최신 객체 탐지 프레임워크인 YOLOv4 및 YOLOv5의 영감을 받아, 소형 교통 표지판 인식에 효율적인 방법을 제안한다. 이 방법은 다음과 같은 네 가지 주요 기여를 한다: (1) 모델의 백본(Backbone)에서 고수준 특징을 도입하여 더 우수한 탐지기 헤드를 구축한다; (2) 모델의 넥(Neck)에서는 특징 맵의 맥락 정보를 효과적으로 포착하기 위해 수용 영역 블록 크로스(Receptive Field Blockcross)를 활용한다; (3) 모델의 헤드(Head)에서는 탐지기 헤드 그리드를 정밀하게 개선하여 소형 교통 표지판의 정확한 탐지 성능을 향상시킨다; (4) 입력 처리 측면에서는 어려운 샘플을 증가시키고 모델의 강건성을 높일 수 있는 데이터 증강 기법인 Random Erasing-Attention을 제안한다. 도전적인 데이터셋 TT100K에서 수행한 실질 실험 결과, 제안하는 방법은 기존 최고 수준의 기법 대비 뚜렷한 성능 향상을 달성함을 입증하였다. 더불어 본 방법은 실시간 처리가 가능하며, 고급 운전자 보조 시스템 및 자율 주행 시스템 분야에서 큰 응용 잠재력을 보여주고 있다.