복잡한 날씨 조건에서 차량 대상을 감지할 때 목표 물체의 흐린 모습과 가림으로 인해 차량 감지 정확도가 현저히 감소하는 현상에 대처하기 위해 개선된 차량 감지 알고리즘 YOLO-CGT를 제안합니다. 본 알고리즘은 차량용 카메라 이미지 입력 시나리오를 대상으로 하며, YOLOv8 구조에 여러 개선사항을 도입하여 복잡한 환경에서의 감지 안정성을 현저히 향상시켰습니다. 여기에는 다중 스케일 잔여 집계 모듈을 고안하여 기존의 C2f 구조를 대체하여 기본 정보의 활용을 향상시키고 네트워크 깊이로 인한 그래디언트 소멸 문제를 줄입니다. 공간 집계 모듈을 도입하여 전역 정보 추출과 지역 정보 지각을 통합하였고, 경량 동적 검출 헤드를 디자인하여 검출 정확도와 효율성의 균형을 유지하였습니다. 기존 IoU를 대체하는 내부 최소 점 거리 Intersection over Union (Inner-Minimum Points Distance Intersection over Union, Inner-MPDIoU) 측정을 도입하여 목표 상자 중첩 문제를 줄였습니다. 복잡한 날씨 조건에서 차량 데이터 세트를 훈련하고 검증한 결과, 이 방법의 평균 검출 정확도가 81.4%로, 기존 방법 대비 6.3% 향상되었습니다. 모델 파라미터 양은 3.259×10⁶, 계산 양은 9.7GFLOPs로, 정확도를 현저히 향상시키면서 모델의 경량 배포 능력을 보장했습니다. 본 연구 방법은 자율 주행 시스템의 안전하고 안정적인 운영을 위한 강력한 보장을 제공합니다.

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