자율주행 시스템에서 교통 표지판을 빠르고 정확하게 감지하는 일은 생각보다 훨씬 어렵다. 복잡한 도로 환경에서는 작은 표지판이 원거리에 위치하거나, 조명 변화와 가림막으로 인해 놓치거나 오탐지하는 경우가 빈번하다. 기존 YOLO 계열 모델은 전체적인 속도에서는 강점이 있지만,소형 물체 탐지와 전역적 문맥 이해에서는 한계가 뚜렷했다.
IEEE Transactions on Vehicular Technology에 게재된 이 연구는 CNN의 지역적 특징 추출 능력과 트랜스포머의 전역적 문맥 이해를 결합한 HCLT-YOLO 모델을 제안한다. 자율주행의 핵심 부품인 환경 인식 기술을 강화하기 위해 설계된 하이브리드 아키텍처다.
HCLT-YOLO의 핵심은 세 가지 혁신에 있다. 첫째, 하이브리드 CNN-트랜스포머 네트워크로 지역 특징과 전역 특징을 효율적으로 통합해 교통 표지판의 특징 표현력을 높였다. 둘째, 업샘플링을 통해 소형 물체 전용 탐지 레이어를 추가하고, SIoU 손실 함수를 도입해 정확도와 계산 효율성을 동시에 개선했다. 셋째, DG-C2f 모듈을 도입해 선형 변환으로 특징 매핑을 수행, 복잡도 증가에 따른 실시간 성능 저하를 방지했다.
GTSDB와 TT100K 데이터셋에서의 실험 결과, YOLOv8s 대비 전체 탐지 정확도가 각각 2.5%와 6.8% 향상됐다. 특히 소형 교통 표지판에서는 6.9%와 11.7%라는 눈에 띄는 개선을 보였다. NVIDIA Jetson AGX Orin에서의 프로세서-인-더-루프 실험에서는 46 FPS의 추론 속도를 달성해 차량 탑재 실시간 요구사항을 충족했다.
다만 소형 물체 탐지 레이어와 트랜스포머 모듈 추가로 전체 계산 복잡도와 파라미터 수가 증가한다는 점은 여전히 제약이다. DG-C2f로 일부 완화했지만, 더 제한적인 임베디드 환경에서는 추가 최적화가 필요하다.
자율주행, 교통 모니터링, ADAS 시스템을 개발 중인 엔지니어라면 HCLT-YOLO의 하이브리드 구조가 참고할 만하다. YOLOv8 기반 프로젝트에 DG-C2f 모듈과 소형 물체 전용 헤드 아이디어를 접목하는 것부터 시작해볼 수 있다.
📖 *HCLT-YOLO: A Hybrid CNN and Lightweight Transformer Architecture for Object Detection in Complex Traffic Scenes* |
논문 원문
※ 이 기사는 학술 논문을 바탕으로 작성되었습니다.
Traffic sign detection sounds straightforward—until you are engineering a production-grade autonomous driving system. In real-world conditions, signs appear at varying scales, get partially occluded, and must be reliably detected across drastic lighting changes. Existing YOLO-family models offer speed, but they often struggle with small-object sensitivity and global contextual understanding. That is the gap HCLT-YOLO was built to close.
Published in IEEE Transactions on Vehicular Technology (2025), this paper by Zhige Chen and colleagues introduces HCLT-YOLO—a hybrid CNN and lightweight transformer architecture engineered specifically for traffic sign detection in complex driving environments.
The model architecture tackles the problem on three fronts. First, a hybrid CNN-transformer network fuses local feature extraction (CNN strength) with global context modeling (transformer domain), producing richer traffic sign representations. Second, a dedicated small-object detection layer—added via upsampling—addresses the persistent challenge of detecting distant or miniature signs, backed by SIoU loss for sharper bounding box regression. Third, the DG-C2f module compensates for the added computational weight by using linear transformations for feature mapping, keeping inference efficient without sacrificing accuracy.
The numbers validate the approach. On the GTSDB and TT100K benchmarks, HCLT-YOLO outperforms YOLOv8s by 2.5% and 6.8% in overall detection accuracy. For small traffic signs specifically, the improvement jumps to 6.9% and 11.7%—a category where failures carry the highest safety cost. Deployed on an NVIDIA Jetson AGX Orin via processor-in-the-loop testing, the model achieves 46 FPS, meeting the real-time threshold for in-vehicle deployment.
The honest caveat: adding both the small-object detection layer and the transformer module does increase total parameter count and computational complexity. The DG-C2f module mitigates this, but engineers targeting ultra-constrained embedded hardware will likely need further pruning or quantization passes.
For teams building ADAS, traffic monitoring systems, or autonomous vehicle perception stacks, HCLT-YOLO hybrid design offers a concrete blueprint. The approach of appending a lightweight transformer alongside a specialized small-object head is modular enough to retrofit onto existing YOLO-based codebases—worth prototyping if small-object detection is your bottleneck.
📖 *HCLT-YOLO: A Hybrid CNN and Lightweight Transformer Architecture for Object Detection in Complex Traffic Scenes* |
Source Paper
※ This article is based on an academic paper.
