4.4 객체 분류(Object Classification)
1. 정의
객체 분류(Object Classification)는 감지된 객체가 어떤 범주(Category)에 속하는지를 판별하는 과업이다. 자율주행에서 객체의 범주 정보는 예측 및 판단 모듈이 해당 객체에 대한 적절한 대응 전략을 수립하는 데 필수적이다. 보행자와 차량은 운동 특성이 상이하므로, 동일한 위치에 동일한 크기의 객체가 존재하더라도 범주에 따라 예측 모델과 대응 전략이 달라진다.
2. 자율주행에서의 객체 범주
자율주행에서 분류 대상이 되는 주요 객체 범주는 다음과 같다.
| 범주 | 하위 분류 예시 | 운동 특성 |
|---|---|---|
| 차량 (Vehicle) | 승용차, 트럭, 버스, 이륜차 | 차선 기반 운동, 교통 법규 준수 |
| 보행자 (Pedestrian) | 성인, 어린이, 휠체어 사용자 | 비구조화 운동, 급작스러운 방향 전환 |
| 자전거 (Cyclist) | 자전거, 전동 킥보드 | 차도/인도 혼용, 불규칙 운동 |
| 긴급 차량 | 소방차, 구급차, 경찰차 | 특수 통행권, 사이렌/경광등 사용 |
| 정적 장애물 | 콘, 바리케이드, 낙하물 | 정지 상태, 비정형 형태 |
3. 분류 방법론
현대의 객체 분류는 대부분 객체 탐지 과정에 통합되어 수행된다. 객체 탐지 신경망은 경계 상자의 위치와 함께 클래스 확률(Class Probability)을 동시에 출력하며, 별도의 분류 단계를 필요로 하지 않는다.
그러나 일부 특수 분류 과업에서는 별도의 분류기가 사용된다.
- 미세 분류(Fine-Grained Classification): 차량의 제조사와 모델을 식별하거나, 교통 표지판의 구체적 내용을 분류하는 과업이다. 주 검출기의 해상도로는 충분하지 않을 수 있으므로, 검출된 영역을 잘라내어(Crop) 별도의 분류 네트워크에 입력하는 2단계 방식이 사용될 수 있다.
- 교통 신호 분류: 검출된 교통 신호등 영역에서 현재 점등 상태(적색, 황색, 녹색, 좌회전 화살표 등)를 분류하는 과업이다.
4. 분류 불확실성의 처리
자율주행에서는 분류 결과의 불확실성(Uncertainty)을 정량적으로 추정하고 후속 의사결정에 반영하는 것이 중요하다. 소프트맥스(Softmax) 출력의 최대 확률값이 낮은 경우 분류의 신뢰도가 낮음을 의미하며, 이러한 경우 보수적인 행동 전략(예: 속도 감소, 안전 거리 확대)이 적용될 수 있다. 몬테카를로 드롭아웃(Monte Carlo Dropout)(Gal & Ghahramani, 2016), 앙상블(Ensemble) 방법 등이 불확실성 추정에 활용된다.
5. 참고 문헌
- Gal, Y., & Ghahramani, Z. (2016). Dropout as a Bayesian approximation: Representing model uncertainty in deep learning. Proceedings of the 33rd International Conference on Machine Learning (ICML), 1050–1059.
v1.0