객체 검출 인식률 향상을 위한 다중 객체 추적 기반 강건한 트랙 관리 기법 = Robust Track Management based on Multi-object Tracking to Improve Object Detection

다국어 초록 (Multilingual Abstract)

Recently, deep learning-based object detection and multi-object tracking used in autonomous driving technology have been widely studied. The two technologies consist of one sequence. Taking advantage of this, we propose a robust track management based on multi-object tracking technology that complements the limitations of object detection using only a single image. This paper propose the following method. Hungarian algorithm cost matrix for inter-class using class information,, Track management technique that induces data association through Template Matching, Track update that improves reliability for object detection by utilizing additional information of class and score. Through three types of robust track management, it compensate for non-detection or mis-classification problems that occur in object detection. Additionally, it show stable results in object detection and multi-object tracking. As a result, compared to the model using only object detection, the mAP increase by about 4%, and the precision result increased by about 10%. we were tested in an actual autonomous driving environment and recorded high performance improvement in objects with little learning data or small sizes. In addition, it enabled stable object detection and tracking even in sudden image shaking such as bumps.

국문 초록 (Abstract)

최근 자율주행 기술에 활용되는 딥러닝 기반 객체 검출과 다중 객체 추적은 많은 연구가 이루어지고 있다. 두 개의 기술은 하나의 시퀀스로 이루어져 있고, 이 점을 이용하여 단일 영상만을 사용하여 객체 검출의 한계점을 보완하는 다중 객체 추적 기반 강건한 트랙 관리 기법을 제안한다. 본 논문은 클래스 정보를 활용한 클래스 간의 헝가리안 알고리즘 코스트 매트릭스(cost matrix), 템플릿 매칭을 통한 데이터 연관 유도 트랙 관리 기법, 클래스와 스코어의 추가 정보를 활용하여 검출 신뢰성을 향상하는 트랙 업데이트를 제안한다. 3가지 강건한 트랙 관리를 통해 객체 검출에서 생기는 미검출 혹은 오분류의 문제를 보완하고 객체 검출과 다중 객체 추적의 안정화된 결과를 보여준다. 그 결과, 객체 검출만을 사용한 모델과 비교하여 mAP가 약 4% 증가했고, 정밀도(Precision)의 결과는 약 10% 증가했다. 본 논문에서 제안한 기법은 실제 도로 주행 환경에서 테스트 되었고, 학습 데이터의 수가 적거나 작은 크기의 객체에서 높은 성능 향상을 기록했다. 또한, 방지턱과 같은 급격한 영상의 흔들림에서도 안정적인 객체 검출 및 추적을 가능하게 한다.