본 논문에서는 교통 환경에서 차량 후미등을 고정확도·고속으로 검출하기 위한 딥러닝 모델을 제시한다. 본 모델은 차선 검출기, 차량 검출기, 후미등 검출기라는 세 가지 주요 모듈로 구성된다. 이전에 제안된 대부분의 알고리즘이 수작업으로 설계된 기법을 사용하는 것과 달리, 우리는 데이터 기반 접근법을 채택하였다. 이러한 데이터 기반 방식은 차량 및 후미등 검출 모듈 모두에 적용되었다. 먼저, 정교하게 설계된 차선 검출 모듈을 사용한 후, 차량 경계 검출을 위해 Recurrent Rolling Convolution (RRC) 아키텍처와 추적 메커니즘을 적용하였다. 이어서, 동일한 RRC 아키텍처를 사용하여 검출된 차량의 후미등 영역을 추출하였다. 차선 검출 및 차량 검출 모듈은 최종 후미등 검출의 속도와 검출률을 모두 향상시킨다. 본 모델의 견고성은 Sungkyunkwan University (SKKU)의 데이터셋과 Karlsruhe Institute of Technology 및 Toyota Technological Institute (KITTI)의 데이터셋을 사용하여 검증하였다. 본 모델은 악조건에서도 잘 동작한다. SKKU 데이터셋을 이용한 테스트에서 최대 99%에 이르는 검출률을 달성하였다. KITTI 2D Object 데이터셋을 사용할 경우 후미등 검출률은 86%이다. 또한 KITTI Tracking 데이터셋의 특정 소규모 부분집합에서는 후미등 검출률 100%를 달성하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.