본 논문은 자율 주행 자동차의 객체 탐지 성능 향상을 위한 YOLOv8 기반의 개선된 자율 주행 타겟 탐지 네트워크를 제안한다. 기존 레이더, 카메라, 차량 센서 네트워크 기반의 객체 탐지 기술의 한계점(높은 비용, 날씨 및 조명 조건에 대한 취약성, 해상도 제한)을 극복하기 위해, 구조적 재매개변수화 기술, 양방향 피라미드 구조 네트워크 모델, 그리고 새로운 탐지 파이프라인을 YOLOv8 프레임워크에 통합하였다. 제안된 방법은 다양한 크기, 작은 크기, 원거리의 객체를 효율적이고 정확하게 탐지하며, 실험 결과 65%의 탐지 정확도를 달성하여 기존 방법보다 향상된 성능을 보였다. 특히 단일 타겟 및 소형 객체 탐지에 효과적이며, Formula Student Autonomous China (FSAC)와 같은 자율 주행 대회에 적합하다.
