초록
객체 탐지는 인간 시각의 탐지 성능에 도달할 정도로 성숙한 기술로 발전해왔다. 본 논문은 객체 탐지 가능성을 저해하는 시각적 요인을 조사함으로써 여전히 존재하는 탐지 능력 격차를 보다 좁히는 방법을 제안한다. 일부 시각적 요인은 실제 센서 데이터에서는 측정하기 어렵거나 불가능하므로, 합성 데이터를 기반으로 탐지기를 학습시켜 대규모로 정확한 측정값과 참값(ground truth) 데이터를 확보한다. 이후 얻어진 탐지기를 활용해 실데이터 학습 샘플과 그에 해당하는 탐지 저해 요인을 가중치로 조정하는 경험적 가중 손실(empirical weighting loss)을 보정한다. 본 방법은 교통 환경에서 보행자 탐지 작업에 적용되었으며, 경험적 탐지 저해 가중 손실(Detection Impairment Weighting loss, DIW loss)의 효과는 CityPersons 데이터셋을 기반으로 학습된 탐지기에서 검증되었으며, 기존 최고 성능 대비 1.88% 향상된 새로운 최고 성능을 달성하였다.