본교 인공지능학과 황원준 교수 연구팀이 비지도 도메인 적응 기술을 이용한 신규 딥러닝 기반 열영상 물체 검출 기술을 제안했다. 

황 교수 연구팀은 지난 17일부터 21일까지 미국 시애틀 컨벤션센터에서 열린 ‘IEEE/CVF 주관 컴퓨터비전 및 패턴인식(IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR)’에 참가해 논문을 발표했다. 이번 컨퍼런스에는 총 1만1532편의 논문이 제출됐으며, 이중 2719편(23.58%)이 채택됐다. 올해에는 총 76개국에서 약 1만2000명의 학생 및 연구자가 학회에 참석해 최신 인공지능 기술에 대한 논문 발표 및 기술을 시현했다. 

연구팀은 물체 검출기가 야간에도 동작할 수 있도록 열영상 기반의 신규 딥러닝 물체 검출기 학습 기법을 제안하였으며, 이를 통해 주간 및 야간에도 동작할 수 있는 시스템을 구성했다. 논문의 제목은 “RGB/열영상 기반 복수 선생 네트워크의 지그재그 패턴 학습을 활용한 물체 검출기향 도메인 적응 기법(D3T: Distinctive Dual-Domain Teacher Zigzagging across RGB-Thermal Gap for Domain-Adaptive Object Detection)”으로, 아주대 소프트웨어학과 황원준 교수와 박사과정 도딘팟·김태훈·나재민 학생과 현대자동차 연구원들이 공동으로 참여했다.

이번 연구에서는 풍부한 데이터와 레이블을 통해 학습된 RGB 영상 기반 검출기와 함께 비지도 학습 방식으로 학습되는 열영상 기반 검출기를 복수의 선생 네트워크로 구성했다. 이를 통해 학습 데이터 및 레이블이 부족한 열영상 도메인에서 우수한 성능을 달성할 수 있도록 학습 시간에 따라 달라지는 지그재그 패턴으로 선생 네트워크를 선택하는 새로운 도메인 적응 기법을 제안했다. 

연구팀은 제안한 지그재그 형태의 학습 방법을 통해 도메인간의 간격이 큰 RGB에서 열영상으로 도메인 적응을 성공적으로 적용해 기존 RGB 영상 기반의 도메인 적응 기법 대비 성능 우위를 달성할 수 있었다. 해당 도메인 적응 기법은 환경 변화에 강인한 특성을 확보했기 때문에 다양한 형태의 환경 변화가 발생할 수 있는 실증 현장에 빠르게 적용될 것으로 기대된다.

연구자료 이미지