소형 객체 탐지: 도전과 기술 동향

소형 객체 탐지(SOD)는 컴퓨터 비전 분야에서 감시, 자율 시스템, 의료 영상, 원격 탐사 등 다양한 응용 분야에 필수적이지만, 해결하기 어려운 과제입니다. 소형 객체는 해상도가 낮고 공간 및 문맥 정보가 제한적이며, 가려짐, 배경 간섭, 클래스 불균형 등의 문제로 인해 정확한 탐지가 어렵습니다. 이 조사는 2024-2025년 Q1 저널에 발표된 딥러닝 기반 SOD 관련 최신 연구들을 종합적으로 검토합니다. 주요 도전 과제, 최신 기술, 데이터셋, 평가 지표 및 실제 적용 사례를 분석했습니다. 특히 다중 스케일 특징 추출, 초해상화(SR), 어텐션 메커니즘, 트랜스포머 기반 아키텍처 등 딥러닝의 혁신적인 솔루션들을 다룹니다. 또한, 데이터 증강, 합성 데이터 생성, 전이 학습을 통해 데이터 부족 및 도메인 적응 문제를 해결하는 방안을 제시합니다. 경량 신경망, 지식 증류(KD), 자기 지도 학습과 같은 새로운 트렌드는 UAV 기반 감시 및 엣지 컴퓨팅과 같은 자원 제약 환경에서 탐지 효율성을 향상시키는 유망한 방향을 제시합니다. 실제 적용 사례로 FFCA-YOLO는 원격 탐사 분야에서 높은 성능을 보였고, DsP-YOLO는 산업 결함 탐지에서 95.8%의 mAP를 달성했습니다. 본 조사는 SOD 분야의 현재와 미래 연구 방향을 이해하는 데 중요한 통찰을 제공합니다.