보행자 검출을 위한 오류 카테고리 재정의와 세분화된 성능 평가

초록

본 논문은 Cityscapes의 인스턴스·시멘틱 분할 정보를 활용해 보행자 검출 오류를 8가지 카테고리로 구분하고, 각 카테고리별로 필터링된 로그 평균 미스율(LAMR)을 제안한다. 이를 기반으로 CSP‑ResNet‑50, FPN‑ResNet‑50, MDLA‑UP‑34, BGC‑HRNet‑w32 등 네 가지 백본을 단순화된 APD 구조에 적용해 CityPersons reasonable 서브셋에서 추가 학습 데이터 없이 SOTA 성능을 달성한다.

상세 분석

이 연구는 현재 보행자 검출 평가에서 널리 사용되는 “reasonable” 서브셋이 실제 자동운전 시스템(ADS)에서의 안전성을 충분히 반영하지 못한다는 점을 정확히 지적한다. 기존 메트릭은 보행자의 가시성(visibility)과 높이만을 기준으로 하여, 차량 앞에 직접 위치한 위험 보행자까지도 무시될 수 있다. 저자는 이러한 한계를 극복하기 위해 Cityscapes의 인스턴스·시멘틱 분할 라벨을 활용, 보행자와 배경·환경 객체 간의 관계를 정량화한다.

먼저, 오클루전(occlusion) 판단을 위해 세 가지 가시성 지표 ϕ_c(인스턴스 기반), ϕ_e(환경 기반), ϕ (전체 가시성)를 정의하고, 각각에 임계값 λ_c, λ_e, λ_ϕ를 적용한다. 이를 통해 환경 오클루전(E), 군중 오클루전(C), **혼합(모호) 오클루전(A)**를 구분하고, 나머지 명확히 보이는 보행자를 **전경(F)**와 **배경(B)**로 나눈다. 전경/배경 구분은 차량 급정지 거리(d_AEB) 계산을 통해 픽셀 높이 λ_f≈190px(실제 거리 22 m)로 설정, 즉 실제 충돌 위험이 높은 보행자만을 전경으로 정의한다.

다음으로 오탐(False Positive) 분류를 세부화한다. **스케일 오류(S)**는 중심이 정렬돼 있으나 박스 크기가 부정확한 경우, **위치 오류(L)**는 IoU가 일정 수준(λ_i=0.25) 이상이지만 스케일이 맞지 않는 경우, 그리고 **고스트(H)**는 전혀 보행자와 연관 없는 랜덤 검출을 의미한다. 특히 고스트는 ADS의 의사결정에 가장 큰 방해가 되므로 별도 메트릭으로 강조한다.

이러한 카테고리를 기반으로 **필터링된 로그 평균 미스율(LAMR_P)**을 정의한다. 기존 LAMR_r은 모든 FN을 동일 가중치로 취급하지만, 새 메트릭은 전경(F)과 배경(B) 각각에 대해 별도 MR을 계산하고, 오클루전 유형별 FN을 별도 보고한다. 결과적으로 모델의 안전성(전경 보행자 검출)과 실용성(오탐 억제)을 동시에 정량화할 수 있다.

실험에서는 네 가지 백본을 동일한 Generic Pedestrian Detector(GPD) 파이프라인에 삽입했다. 특징 추출 단계에서 CSP‑ResNet‑50, FPN‑ResNet‑50, MDLA‑UP‑34, BGC‑HRNet‑w32을 사용하고, 각각 3개의 헤드(센터, 스케일, 오프셋)를 3×3 Conv로 구현했다. 학습은 Adam(β₁=0.9, β₂=0.999)으로 50k 이터레이션, 이미지 크기 640×1028, confidence threshold 0.01, NMS 0.5를 적용했다.

성능 결과는 다음과 같다. 모든 백본이 기존 SOTA(예: APD 8.8% LAMR)와 동등하거나 더 나은 LAMR_r을 기록했으며, 특히 CSP‑ResNet‑50은 LAMR_r 8.6%를 달성해 최고 기록을 세웠다. 더 중요한 것은 전경(F) FN 비율이 기존 방법 대비 30% 이상 감소했으며, 고스트(H) FP 비율도 현저히 낮아 실제 주행 시 위험 상황을 크게 줄일 수 있음을 보여준다.

이 논문의 강점은 (1) 시멘틱·인스턴스 분할을 활용해 오류를 의미론적으로 해석한 점, (2) 안전 중심의 평가 지표를 제안해 실제 ADS 요구사항에 부합한 모델 선택이 가능하도록 만든 점, (3) 복잡한 백본 없이도 SOTA를 달성한 실용적인 아키텍처를 제시한 점이다. 다만 몇 가지 한계도 존재한다. 첫째, 오류 카테고리 정의에 사용된 임계값(λ_ϕ, λ_e, λ_c, λ_a 등)이 데이터셋에 과적합될 위험이 있다. 저자는 경험적 설정을 사용했지만, 다른 도시·날씨 조건에서 재조정이 필요할 수 있다. 둘째, 필터링된 LAMR_P은 기존 벤치마크와 직접 비교가 어려워 커뮤니티 차원의 표준화 작업이 요구된다. 셋째, 제안된 GPD는 640×1028 해상도에 최적화돼 있어 고해상도 이미지나 실시간 요구사항이 높은 시스템에선 추가 최적화가 필요하다.

전반적으로 이 연구는 보행자 검출 평가 패러다임을 “전체 정확도”에서 “안전 중심 정확도”로 전환시키는 중요한 발걸음이며, 향후 실차량 테스트와 다양한 환경에서의 일반화 검증이 이어진다면 ADS 안전성 검증에 핵심 도구가 될 것으로 기대된다.