자율주행 자동차에서 복잡하고 변화무쌍한 교통 환경에서 차량 및 보행자의 동적 정보를 사전 정확하게 탐지하는 것이 매우 중요하다. 그러나 자율주행 환경에서는 카메라의 빠른 움직임, 큰 스케일 변화, 목표물 가림, 조명 변화와 같은 문제가 존재한다. 이러한 도전에 대응하기 위해 본 논문에서는 주의 메커니즘 기반 다중 스케일 객체 탐지 알고리즘을 제안한다. YOLOv3 네트워크를 기반으로 먼저 공간 피라미드 풀링 모듈을 사용하여 다중 스케일 지역 특징을 융합 및 연결하여 네트워크가 대상 특징을 보다 포괄적으로 학습할 수 있도록 하였고, 둘째로 공간 피라미드를 이용해 채널 간 정보 융합을 단축하여 YOLOv3-SPP⁺-PAN 네트워크를 구성하였으며, 마지막으로 주의 메커니즘을 기반으로 더 효율적인 객체 탐지기 SE-YOLOv3-SPP⁺-PAN을 설계하였다. 실험 결과는 YOLOv3 네트워크 대비 제안된 SE-YOLOv3-SPP⁺-PAN 네트워크가 평균 정밀도에서 2.2% 향상되었으며, 추론 속도는 스마트 주행 플랫폼의 실시간 요구 사항을 여전히 만족시킨다는 것을 보여준다. 실험은 제안된 SE-YOLOv3-SPP⁺-PAN 네트워크가 YOLOv3보다 더 효율적이고 정확하여 실제 스마트 주행 시나리오에서의 객체 탐지 작업에 더 적합함을 입증하였다.

컴퓨터 비전;차량 및 보행자 탐지;신경망;주의 메커니즘