GIST, 정확도 9% 높여 이미지 성능 개선
날씨, 조명 상관없이 물체 인식..자율주행차 활용
학습 환경 변화에 적응해 안정적으로 작동하는 AI 모델이 개발됐다. 기존 학습 환경과 달라진 환경에서 학습 시 성능이 떨어지는 AI 모델의 한계를 극복해 환경이 수시로 바뀌는 자율주행차 등의 AI 기술로 활용될 전망이다.
광주과학기술원(GIST)은 이규빈 교수 연구팀이 AI 모델의 '실시간 환경 적응 기술'을 개발했다고 17일 밝혔다.
AI 모델은 하나의 학습 환경에 최적화된 내부 매개변수(파라미터)가 고정돼 있다. 매개변수는 AI 모델을 학습할 때 변화하는 값을 뜻한다
만약 종전의 학습 환경과 다른 운용 환경에서 AI 모델을 사용하면 성능이 저하된다. 가령, 화창한 날씨에 찍은 사진만으로 학습한 AI 모델은 좋은 날씨에만 최적화돼 있어 비가 오는 날엔 이미지를 제대로 인식하지 못한다.
실시간 환경 적응 기술은 AI 모델의 매개변수를 학습이 끝난 후에도 운용 환경에 맞게 적응시켜 성능을 높인다. AI 모델이 새로운 환경이나 조건에서 잘 작동하도록 실시간으로 AI 모델의 매개변수를 미세 조정할 수 있도록 한 것이다.
특히 날씨, 조명 등 다양한 변화 요소에 민감한 AI 모델을 실시간으로 주어진 환경에 적응시켜 AI 모델 스스로 입력된 이미지에 대한 정답 라벨을 생성하고, 이를 학습하는 데 활용한다.
연구팀은 실시간 환경 적응에 적합한 환경 민감 블록 선택 기술과 좌우쌍 기반 정답 생성 기술을 이용해 적응 기술의 성능 평가 벤치마크에서 에러율 26.3%에서 23.9%로 낮춰 정확도를 9.1% 개선해 세계 최고 수준을 달성했다고 설명했다. 환경 민감 블록 선택 기술은 AI 모델이 이미지를 볼 때 환경 변화에 달라지는 블록만을 찾아내 그 부분만 새로운 환경에 맞게 조정한다. 좌우쌍 기반 정답 생성 기술은 AI 모델을 대상으로 같은 이미지를 좌우 반전을 통해 두 번 보여주고, 좌우 반전된 이미지 모두에서 높은 신뢰도로 같은 결과를 출력할 수 있도록 학습시켜 정확성을 높인다.
이규빈 GIST 교수는 "이번 연구를 통해 AI 시스템이 다양한 환경과 조건에서 지속적으로 성장하고 안정적으로 작동할 수 있다는 것을 확인했다"며 "날씨, 조명, 지리적 특성 등의 환경 변화에 상관없이 물체를 정확히 인지해 자율주행차 등에 활용할 수 있을 것으로 기대한다"고 말했다.
이 연구결과는 컴퓨터 비전 분야 세계 최고 학위인 CVPR에서 오는 6월 발표될 예정이다.이준기기자 bongchu@dt.co.kr
광주과학기술원은 다양한 환경과 조건에서 안정적으로 작동할 수 있는 '실시간 환경 적응 기술'을 개발했다. 그림은 입력된 이미지(강아지)에 대해 확률값이 계산되는 딥러닝 모델 구조 도식도.
