객체 기반 데이터 증강을 통한 교통 표지 인식 성능 향상

초록

교통 표지를 정확하게 인식하는 기술은 자율주행 및 첨단 운전자 지원 시스템(ADAS)의 핵심 요소이다. 그러나 실제 도로 환경에서는 조명 변화, 기상 조건, 영상 왜곡 등 다양한 변수로 인해 인식 성능이 저하되는 한계가 있다. 또한, 이러한 환경적 변수를 모두 포함하는 대규모 데이터를 수집하는 데에는 막대한 비용과 시간이 소요된다. 이를 해결하기 위해 기존의 영상 처리 기반 데이터 증강 기법이 활용되었으나, 복잡한 도로 환경을 충분히 반영하지 못하는 문제가 존재한다. 이에 본 논문에서는 교통 표지 객체 자체에 집중하여, 환경적 변화를 반영하는 증강과 영상 왜곡을 반영하는 증강을 결합한 객체 기반 합성 데이터 증강 기법을 제안한다. 제안하는 방식으로 생성된 합성 데이터를 실제 데이터와 통합하여 학습시킨 결과, 기존 단순 증강 방식 대비 주요 성능 지표가 향상되었다. 본 연구의 결과는 제한된 실제 데이터 환경에서도 객체 기반의 데이터 증강을 통해 딥러닝 모델의 일반화 성능을 개선할 수 있음을 입증한다.

키워드