SCoralDet: YOLO를 활용한 효율적인 실시간 해저 연안의 부드러운 산호 탐지

최근 들어 기후 변화와 해양 오염으로 인해 산호초 생태계가 심각하게 악화되고 있으며, 해양 생태계를 모니터링하기 위해 자동화된 산호 감지 기술의 필요성이 절실하게 대두되고 있다. 그러나 수중 산호 감지는 낮은 이미지 대비, 복잡한 산호 구조, 그리고 밀도 높은 산호 성장 등으로 인해 일반적인 객체 감지 알고리즘의 성능을 제한하는 고유한 도전 과제를 안고 있다. 이러한 문제를 해결하기 위해 우리는 YOLO 아키텍처 기반의 소프트 산호 감지 모델인 SCoralDet을 제안한다. 먼저, 다중 스케일에서 산호 특징을 효과적으로 포착하기 위해 다중 경로 융합 블록(Multi-Path Fusion Block, MPFB)을 도입하여, 불균일한 조명 조건과 이미지 흐림에 대한 모델의 강건성을 향상시켰다. 또한 재패러미터화(Reparameterization) 기법을 적용하여 추론 효율성을 추가로 개선하였다. 두 번째로, GSConv와 VoV-GSCSP와 같은 경량 구성 요소를 통합함으로써 성능을 희생하지 않고 계산 부담을 감소시켰다. 더불어, 동적 앵커 정렬 지표를 조정할 수 있는 적응형 파워 변환 레이블 할당 전략을 개발하였으며, 소프트 레이블과 소프트 중심 영역 손실(Soft Central Region Loss)을 도입하여 모델이 고품질且 정렬이 잘 된 예측을 우선적으로 학습하도록 유도하였다. 우리는 SCoralDet을 소프트 산호(Soft-Coral) 데이터셋에서 평가하여, 추론 지연 시간 9.52ms 및 mAP50 81.9의 성능을 달성하였다. 이는 YOLOv5(79.9), YOLOv6(79.4), YOLOv8(79.5), YOLOv9(78.3), YOLOv10(79.5)를 모두 상회하는 결과로, SCoralDet이 수중 산호 감지 작업에서 뛰어난 효율성과 실용성을 입증하였다.