자율주행 도로 시나리오에서 PointPillar를 사용한 점군 희박 소형 물체 검출 성능 저하 문제를 해결하기 위해 다중 스케일 특징 융합 전략과 주의 메커니즘을 도입한 점군 물체 검출 네트워크 Pillar-FFNet을 제안한다. 네트워크 내 특징 추출 문제를 해결하기 위해 잔차 구조 기반의 백본 네트워크를 설계했고, 검출 헤드에 입력되는 특징 맵이 고수준 특징의 의미 정보와 저수준 특징의 공간 정보를 충분히 활용하지 못하는 문제를 해결하기 위해 간단하면서 효과적인 다중 스케일 특징 융합 전략을 고안했다. 또한 백본 네트워크가 추출한 특징 맵의 정보 중복 문제를 해결하기 위해 합성곱 주의 메커니즘을 제안했다. 제안된 알고리즘의 성능을 검증하기 위해 KITTI 및 DAIR-V2X-I 데이터셋에서 실험을 수행했다. 실험 결과, 제안된 알고리즘은 KITTI 데이터셋에서 PointPillar 대비 자동차, 보행자, 및 라이더의 평균 정밀도를 각각 최대 0.84%, 2.13%, 4.02% 향상시켰으며, DAIR-V2X-I 데이터셋에서는 각각 0.33%, 2.09%, 4.71% 향상된 것을 확인하여 점군 희박 소형 물체 검출에 대한 제안 방법의 유효성을 입증했다.

소형 물체 검출;점군 희박;PointPillar;잔차 구조;다중 스케일 특징 융합;합성곱 주의