안개 환경에서는 이미지 대비가 낮아 이미지 내 목표물이 흐릿하며 특징 추출이 어렵다. 기존의 목표 탐지 방법들은 안개 이미지에서 정확도가 낮다. 이를 해결하기 위해 본 논문은 Double-Head 프레임워크에서 이미지 특징 추출 부분과 예측 헤드를 개선하였다. 먼저, 추출된 심층 특징 지도에 채널 및 공간 차원의 복합 주의 메커니즘을 추가하여 네트워크가 주목할 만한 목표에 집중할 수 있는 능력을 향상시켰다. 둘째, 원본 이미지를 개선된 다크 채널 사전 및 처리된 사전 행렬과 특징 지도와 융합하여 안개 이미지 특징 정보를 보다 포괄적으로 획득하였다. 마지막으로, 예측 헤드에 분리 가능한 합성곱을 도입하고 분리형 예측 헤드를 사용하여 목표물의 최종 분류 및 회귀를 수행하였다. 본 방법은 RTTS 데이터셋에서 mAP 49.37%를 기록하였으며, 합성 데이터셋 S-KITTI와 S-COCOval에서는 각각 66.7% 및 57.7%의 AP 값을 나타냈다. 다른 주요 알고리즘과 비교했을 때 본 알고리즘은 더 높은 목표 탐지 정확도를 보인다.

목표 탐지;안개 이미지;다크 채널 사전;주의 메커니즘;특징 융합