자율주행·무인 드론 등 다양한 산업 분야 기초연구 활용 가능성 인

▲ (사진 왼쪽부터) 백재용 전기컴퓨터공학과 박사과정 학생, 

유용상 전기컴퓨터공학과 박사과정 학생, 배승환 전기컴퓨터공학과 교수

배승환 컴퓨터공학과 교수 연구팀이 다중 클래스 광원 데이터셋과 이를 효과적으로 분류할 수 있는 인공지능 모델을 제안해 연구성과를 인정받았다.

다중 클래스 광원 데이터셋은 신호등 등 중요 광원에 대해 19개국의 영상과 약 12만개의 라벨 정보를 포함한다. 이는 자율주행 차량이 주변 상황을 인지하고, 교통 흐름을 예측하는 데 있어 큰 영향을 미친다.

연구팀은 다중 클래스 광원 데이터셋과 이를 효과적으로 분류할 수 있는 인공지능 모델인 SS-FLD(Semi-Supervised focal loss detection)를 제안했다.

기존의 광원 검출 연구는 태양의 눈부심(glare), 광원, 배경만 구분하고, 광원의 종류를 구분하지 않았다.

연구팀은 이번 연구에서 도로에서 접할 수 있는 신호등, 가로등, 차량 조명을 분류하고자 했다. 데이터 큐레이션(정보를 수집하고 필터링하여 특정 주제나 관심사에 맞게 정렬하고 제공하는 과정)을 통해 신뢰성 있는 고품질 데이터 셋을 구축했다.

이어 해당 데이터셋에서 최신 객체 검출 기술들의 심도 있는 비교 분석을 진행하면서 기존 검출기의 오검출된 결과를 효과적으로 억제할 수 있는 광원 집중 손실 함수를 제안했다. 이를 통해 학습 데이터로부터 광원별 공간 패턴을 시각적으로 모델링하고 영상 문맥(context)에 맞지 않는 오검출 결과는 강하게 규제했다.

또한 거짓 양성(false positive)을 줄이기 위해 거짓 양성 규제 손실 함수를 제안하고, 이를 준지도 학습(self-supervised learning)과 결합하면서 광원 검출기의 일반화 성능을 극대화하고 광원 벤치마크 데이터셋에서 최고 수준의 성능을 달성했다.

이번 연구는 자율주행, 무인 드론 등 다양한 산업 분야에 기초 연구로 활용될 수 있다는 점과 제안한 기술이 광원 검출에 효과적이라는 사실을 인정받았다.

연구팀은 이 같은 내용이 담긴 '새로운 다중 광원 검출 벤치마크 및 반지도 학습 기반 포컬 조명 탐지'(A New Multi-Source Light Detection Benchmark and Semi-Supervised Focal Light Detection)'라는 제목의 논문을 인공지능 분야 세계 최고 권위의 신경정보처리시스템학회(Neural Information Processing System. 하 NeurIPS)로부터 게재 승인받았다.

연구에는 백재용 전기컴퓨터공학과 박사과정 학생이 1저자로 모델 개발 및 성능 평가를, 유용상 전기컴퓨터공학과 박사과정 학생이 공동 저자로 데이터셋 제작 및 큐레이션을 맡았다. 연구 책인자이자 지도교수인 배승환 컴퓨터공학과 교수는 교신저자로 연구 기획, 총괄 관리, 논문 지도를 담당했다.

연구팀은 오는 12월 캐나다 벤쿠버에서 열리는 NeurIPS 2024에서 연구결과를 발표할 예정이다.

NeurIPS는 h5-index 337로, 전체 엔지니어링과 컴퓨터 과학학회 중 2위, 인공지능학회 중 1위를 기록하고 있는 세계 최고 권위의 학회이다. h5-index는 해당 확회가 얼마나 많은 연구자에게 인용됐는지 보여주는 지표로 구글에서 제공하고 있다.

배승환 컴퓨터공학과 교수는 "연구팀이 가지고 있는 검출, 추적, 양자화, 모델 압축 기술들을 다양한 산업 분야에 적용할 수 있도록 온 디바이스(On-Device) AI 기술 개발에 초점을 두고 연구를 진행할 것"이라며 "광원 검출 기술의 확산을 위해 많은 연구자에게 광원 데이터, 검출 코드, 성능 평가 분석 결과를 제공할 계획"이라고 말했다.

한편, 이번 연구 결과는 한국연구재단의 우수신진연구, 4단계 BK21 사업, 중점 연구소 사업 지원과 정보통신기획평가원의 사람 중심 인공지능 핵심원천기술개발사업, 인공지능융합대학원의 지원을 받아 진행됐다.