다중 장면에서의 보행자 검출은 현재 컴퓨터 비전 분야의 연구 핫이슈입니다. 높은 검출 정확도를 제공하는 딥러닝이 주목받고 있지만, 높은 연산 복잡도는 이동 플랫폼에서의 배포를 심각하게 제한합니다. 이에 본 논문에서는 다중 장면에 적합한 경량 보행자 검출 알고리즘을 제안합니다. 해당 알고리즘은 먼저 깊고 얕은 층의 특징 융합 네트워크를 구축하여 다중 스케일 보행자의 텍스처 특성을 학습하며, 이후 차원을 넘나드는 특징 기반 유도 주의 모듈을 설계하여 특징 추출 과정에서 채널 간 및 공간 내 상호작용 정보를 보존합니다. 마지막으로 가지치기 전략을 기반으로 모델 내 중복 채널을 제거하여 알고리즘 복잡도를 낮춥니다. 또한 본 논문에서는 다중 장면에서 조명, 그림자 등 외부 간섭이 검출 결과에 미치는 영향을 줄이기 위해 적응형 감마 보정 알고리즘을 설계하였습니다. 실험 결과 본 방법은 검출 정확도가 비슷한 조건에서 모델 크기를 10MB로 압축하며 처리 속도는 초당 93 프레임에 달해 현재 주류 방법들보다 현저히 우수함을 보였습니다.

보행자 검출;다중 장면;경량 네트워크;차원 간 특징 유도;모델 압축