본 논문은 지능형 주행 시스템의 안전 인식 향상을 위해 해석 가능성이 제한적인 기존 심층 학습 기반 방법의 한계를 극복하는 새로운 손실 함수인 "엔트로피 손실(Entropy Loss)"과 혁신적인 학습 전략을 제시합니다. 특징 압축 네트워크의 기능을 기반으로, 정보 전달 과정에서 정보량의 안정적인 변화와 정보 엔트로피의 지속적인 감소를 기대하여 확률적 모델을 구성하고, 이를 통해 엔트로피 손실 함수를 도출합니다. KITTI 테스트 세트를 사용한 실험 결과, 엔트로피 손실을 적용한 3D 객체 탐지 모델의 정확도가 최대 4.47% 향상되었으며, 학습 속도 또한 향상됨을 보였습니다. 소스 코드는 공개되어 있습니다.
