드론에서 이미지 스케일 변화가 크고, 목표물 크기가 작으며, 드론 내장 임베디드 컴퓨팅 자원이 제한적인 문제를 해결하기 위해 드론 플랫폼에 적용할 수 있는 경량화된 목표 탐지 네트워크를 제안한다. 이 네트워크는 YOLOv5를 기준 모델로 사용하며, 먼저 스케일 변화 문제를 처리하기 위해 탐지 브랜치를 추가하였다; 이후 정규화된 Wasserstein 거리와 전통적인 IOU를 혼합한 소형 목표 탐지 측정 방법을 제안하여 소형 목표 탐지 정확도 저하 문제를 해결하였다; 이어서 FasterNet과 C3를 융합한 C3_FN 경량화 네트워크 구조를 제안하여 네트워크 연산량을 줄여 드론 플랫폼에 더 적합하게 하였다. 마지막으로 알고리즘을 시뮬레이션 플랫폼과 임베디드 플랫폼에서 드론 목표 탐지 데이터셋 VisDrone을 이용해 성능 테스트를 수행하였다. 시뮬레이션 플랫폼의 테스트 결과, 제안한 네트워크는 기준 네트워크 대비 mAP_0.5 지표가 6.6% 향상되었고, mAP_0.5-0.95 지표가 4.8% 향상되었으며, 추론 시간은 단 45.9ms로 다른 주요 드론 목표 탐지 네트워크 대비 더 나은 탐지 효과를 보였다. 임베디드 장치인 NVIDIA Jetson Nano에서의 테스트 결과, 본 알고리즘은 제한된 하드웨어 자원 하에서도 고정밀에 가까운 실시간 탐지 성능을 확보할 수 있음을 보여주었다.

드론; 목표 탐지; 정규화된 Wasserstein 거리; 경량화 네트워크