도로 교통에서의 목표물이 위치한 환경이 복잡하고, 모델이 핵심 특징을 충분히 추출하지 못하며 목표 위치 정확도가 낮은 문제를 해결하기 위해 SSD 모델을 기본 프레임워크로 선정하여 특징 추출 방식, 핵심 정보 강화 및 비국소적 특징 위치 지정에 대해 연구하였다. 첫째, 도로 교통 시나리오에서 목표물의 다중 스케일 문제를 타겟으로 해결하기 위해 점프식 역방향 특징 피라미드 구조를 제안하여 더 구별력 있는 특징을 생성하였다; 둘째, 서로 다른 의미 계층의 정보가 특징 융합 과정에 기여하는 정도가 다른 문제를 해결하기 위해 주의 메커니즘 기반의 적응형 특징 융합 모듈을 설계하여 채널 수준에서 비사전적으로 핵심 특징 표현 능력을 강화하였다; 마지막으로, 십자 교차 주의 모듈을 도입하여 모델의 목표 위치 민감도를 향상시켰다. 실험 결과, 원래 SSD 모델과 비교하여 실시간성을 유지하면서 개선된 방법의 정확도 평균은 PASCAL VOC 하위 데이터셋에서 2.6% 향상되었으며, 자체 제작한 도로 교통 데이터셋에서는 3.9% 향상되었다. 종합적으로 개선된 알고리즘은 도로 차량 및 보행자 감지 작업에 널리 적용될 수 있다.

딥러닝; 차량 및 보행자 검출; 특징 피라미드; 주의 메커니즘; 특징 융합