기존 RGB 기반 객체 인식은 조명 및 날씨 변화에 취약하며, 멀티스펙트럴 이미지 데이터는 완벽하게 정렬된 페어 이미지 확보가 어렵습니다. 본 기술은 멀티레이블 학습을 활용하여 RGB 및 열화상 이미지를 융합, 이러한 비정렬(언페어) 상황에서도 강인하게 객체를 인식하는 방법 및 장치입니다. 공유 컨볼루션 레이어를 통한 빠른 추론과 세미-언페어 증강 기법을 통해 실제 자율주행 환경에서 보행자 인식 정확도와 속도를 획기적으로 향상시킬 수 있습니다. 특히 야간 및 악천후 등 열악한 환경에서도 뛰어난 성능을 제공하여 자율주행 안전성 강화에 기여합니다.