복잡한 기상 조건에서 차량 목표를 감지할 때 목표가 흐릿하거나 가려짐으로 인해 차량 감지 정확도가 현저히 떨어지는 현상을 해결하기 위해 개선된 YOLOv8 기반 차량 감지 알고리즘 YOLO-CGT를 제안한다. 이 알고리즘은 차량 탑재 카메라 이미지 입력 환경을 대상으로 하며, YOLOv8 구조에 여러 개선을 도입하여 복잡한 환경에서 감지 안정성을 크게 향상시켰다. 기존 주망 구조의 C2f 구조를 대체하는 다중 스케일 잔차 집합 모듈을 설계하여 원본 정보 활용도를 높이고 네트워크 깊이에 따른 그래디언트 소실 문제를 줄였다; 전역 정보 추출과 지역 정보 인지를 융합하는 공간 집합 모듈을 도입했다; 감지 정확도와 효율성의 균형을 보장하는 경량 동적 감지 헤드를 설계했다; 목표 상자 겹침 문제를 줄이기 위해 기존 IoU 대신 내부 최소점 거리 교차비(Inner-Minimum Points Distance Intersection over Union, Inner-MPDIoU) 지표를 도입했다. 복잡한 기상 조건에서 차량 데이터셋을 사용해 학습 및 검증한 결과, 실험 결과 평균 감지 정확도가 81.4%에 도달해 6.3% 향상되었으며, 모델 파라미터 수는 3.259×10^6이고 계산량은 9.7GFLOPs로, 정확도가 크게 향상되면서도 경량 배포 능력을 확보했다. 본 연구 방법은 자율 주행 시스템의 안전하고 안정적인 운영을 위한 강력한 보증을 제공한다.

자율주행; 차량 감지; YOLOv8; 복잡한 기상; 다중 스케일 특징