자율주행 시나리오에서 하드웨어 제한 및 다중 스케일과 가림 현상으로 인한 검출 성능 저하 문제를 해결하기 위해 본 논문에서는 차량 검출 작업에 사용되는 경량 목표 검출 알고리즘 RT-DETR-light를 제안하였다. 우선, CG Block 모듈을 활용하여 백본 네트워크의 컨볼루션 모듈을 개선하고 이를 기반으로 추론 속도와 검출 정확도의 균형을 이룬 경량 특징 추출 네트워크 CGResNet을 구축하였다. 특징 융합 단계에서는 양방향 정보 전달을 통해 정확도를 향상시키는 양방향 특징 피라미드 네트워크 BiFPN을 도입하였다. 마지막으로 작은 객체 및 가림 현상이 있는 차량 목표 검출 작업에서 위치 정확도 부족 문제를 해결하기 위해 개선된 손실 함수 EPGIoU를 설계하여 다중 제약 협력 설계를 통해 극한 상황에서의 그래디언트 안정성을 최적화하였다. 실험 결과 본 논문 알고리즘은 UA-DETRAC 데이터셋에서 mAP@0.5와 정밀도가 각각 75.0%, 74.5%에 도달하였으며, 기준 알고리즘 대비 파라미터 수와 계산량을 각각 26.4%, 18.0% 감소시키고 검출 속도는 1.4%p 향상되었다. 또한 BDD100K-Sub 데이터셋에서의 교차 데이터셋 평가를 통해 범용성을 추가로 검증하였다. 본 논문에서 제안한 검출 알고리즘은 검출 정확도, 경량화 및 추론 속도에서 유의미한 장점을 확보하였으며, 자율주행 시나리오에서 실시간 차량 검출 및 엣지 디바이스 배포를 위한 최적의 솔루션을 제공한다.

딥러닝;RT-DETR 알고리즘;경량화;차량 목표 검출