YOLO기반 객체 인식과 거리 추정 모델의 최적화된 IoU 손실 함수 변형들의 종합적 성능 분석

초록

현대 자율주행 및 로봇 비전 시스템에서 단안 카메라를 활용한 실시간 객체 인식과 거리 추정의 핵심 과제를 해결하기 위해, 본 연구는 기존 Dist-YOLO 모델의 BCE 및 MSE 손실 함수가 예측 박스와 실제 박스 간의 중첩 정도를 직접적으로 고려하지 못하는 한계를 극복하고자 GIoU의 안정적인 그래디언트 제공 능력과 DIoU의 빠른 수렴 특성을 균등 가중 방식으로 결합한 새로운 Hybrid-IoU 손실 함수를 제안한다. KITTI 데이터를 통한 실험에서 제안 방법은 객체 검출 성능 mAP@0.5 기준 0.941을 달성하여 기존 BCE 대비 성능 향상을 보였으며, 거리 추정에서는 MAE 1.58m(Pedestrian 1.15m, Car 1.29m)의 우수한 정확도를 기록하여 단일 카메라 기반 실시간 객체 인식 및 거리 추정 시스템의 정확도와 효율성을 동시에 개선하는 실용적 솔루션을 제공함으로써 자율주행 및 로봇 비전 분야의 기술적 발전에 기여할 것으로 기대된다.

키워드