우리 학교 인공지능학과 황원준 교수 연구팀이 자율주행을 위한 알고리즘의 복잡도를 대폭 줄일 수 있는 기법을 제안했다. 

황원준 교수 연구팀은 지난 18일부터 22일까지 캐나다 밴쿠버에서 열린 <IEEE∙CVF 컨퍼런스(Conference on Computer Vision and Pattern Recognition, CVPR) 학회에 참가해 발표했다. 이 컨퍼런스에는 컴퓨터 비전 및 패턴 인식 등 인공지능 분야 전문가들이 함께 했다. 컴퓨터 비전과 딥러닝 분야 최우수 학회 중 하나인 이번 학회에는 총 9155편의 논문이 제출됐고, 그 중 2359편의 논문(25.8%)이 채택됐다.

황 교수 연구팀은 자율주행 알고리즘의 복잡도를 대폭 줄일 수 있는 기법을 제안, 발표했다. 해당 논문의 제목은 “itKD: 3D 물체 감지를 위한 신규 지식 증류 기법(itKD: Interchange Transfer-based Knowledge Distillation for 3D Object Detection)”이다. 이 논문에는 우리 학교 황원준 교수(인공지능융합학과)와 조현 연구원, 최준용 연구원, 백건우 연구원이 참여했다. 

연구팀은 자율주행을 위한 주변 환경 인식의 핵심 기능인 라이다(Lidar) 기반의 3D 물체 검출 알고리즘 복잡도 및 파라미터를 획기적으로 줄이기 위한 지식증류 기법을 제안했다. 라이다는 자율주행차의 눈 역할을 담당하는 이미지 센서를 말한다. 라이다 센서를 통해 신호를 수집해 처리하고, 데이터를 송수신 함으로써 자율주행이 가능해진다. 

아주대 연구팀은 오토인코더를 이용해 압축된 차량의 위치와 방향 정보를 증류하고, 압축에서 복원된 정보를 기존과 다르게 선생 네트워크와 학생 네트워크에 교차 증류함으로써 효율적인 지도가 가능하게 했다. 추가적으로 선생 네트워크의 최종 검출 정보를 효과적으로 지식증류하기 위해 전역 그리고 지엽 정보로 나누어서 개별적으로 집중할 특징을 선별하도록 학습 방법을 개선했다. 

연구팀은 위와 같은 방법을 통해 구글 Waymo 자율 주행 데이터에서 기존 방식에 비해 성능이 우위를 보임을 확인했다. 또 기존의 네트워크 파라미터 및 알고리즘 복잡도를 8배 이상 줄일 수 있었다.

한편 이번 연구는 BK21 Ajou DREAM 인공지능 혁신인재 양성사업단, 클라우드 기반 자율주행 AI 학습 SW 개발 및 한국연구재단, 중견연구자지원 사업의 지원을 받아 수행됐다.

# 제일 위 사진 : 위 왼쪽부터 아주대 조현 연구원, 최준용 연구원, 백건우 연구원. 아래 사진 황원준 교수