기존 딥러닝 기반 객체 탐지 모델들은 안개 환경에서 탐지 성능이 저하되는 한계를 보여왔다. 이를 개선하기 위해 이미지 보정이나 혼합을 통해 탐지 성능을 향상시키려는 연구가 이어져 오고 있지만 대부분 단일 전처리 기반의 방법들은 특정 부분만 과도하게 밝아지거나 경계가 어두워지는 한계를 보인다. 본 연구에서는 YOLOv8 모델을 기반으로 연속적인 하이퍼파라미터 최적화를 통한 다중 전처리 기반의 안개 환경에서의 탐지 성능 개선 모델을 제안한다. 성능의 한계를 보였던 단일 기법들 중, 감마 보정, 히스토그램 매칭에 대한 하이퍼파라미터를 최적화시켜 순차적으로 복합화하는 다중 전처리 기반의 YOLOv8 모델을 통해 객체 탐지 성능 향상을 목표로 했다. 성능 평가 결과, 본 연구에서 제안하는 앙상블 모델은 단일 전처리 기반의 개별 모델보다 평가 지표에서 더 좋은 성능을 보였으며, 이는 앙상블 모델이 안개와 같은 특수 환경에서 객체 탐지 성능을 향상시킬 수 있다는 것을 의미한다.
Koo 외(2023)가 이 질문을 연구했습니다.