전세계 자율주행 정보 국내 환경에 적용 가능한 딥러닝 기술 개발

DGIST 임성훈 교수팀, 전 세계 각국의 주행 데이터를 하나의 신경망 모델에 학습시킬 수 있는 딥러닝 기술 개발

대구경북과학기술원(DGIST) 전기전자컴퓨터공학과 임성훈 교수팀은 다양한 환경 데이터를 인공지능 모델 학습에 효과적으로 활용할 수 있는 환경 적응 신경망 기술 개발에 성공했다고 20일 밝혔다.

▲ (왼쪽부터) 디지스트 전기전자컴퓨터공학과 임성훈 교수, 이승훈 석박사통합과정생, 김창재 석사과정생, 최민우 석박사통합과정생, 최원혁 석박사통합과정생 (이미지 출처=DGIST)

앞으로 이 기술로 세계 각국 데이터를 활용해 국내 환경에 맞는 인공지능 모델을 학습할 수 있어 국내 자율주행 기술이 도약할 수 있을 것으로 기대된다.

최근 인공지능 기술이 고도화되면서 일반화된 딥러닝 모델 학습에 풍부한 학습데이터를 요구하고 있다. 전 세계적으로 341만장 이상의 자율주행 데이터들이 공개돼 있지만 해외와 국내의 주행환경과의 차이 때문에 각각의 데이터를 바탕으로 특정한 하나의 환경에서 원활하게 동작하는 모델을 여러 개 학습하고 학습된 여러 개의 모델을 하나로 통합하는 데에 초점이 맞춰져 왔었다. 

이는 복잡한 학습 과정을 거칠 뿐만 아니라 모델을 통합할 때 각 모델이 잘못 예측한 결과까지 같이 학습되기 때문에 성능 저하가 발생할 수 있다. 또 이미 학습된 모델들을 다시 이용하는 방식을 사용하기 때문에 모델의 최종 성능이 제한될 수 있다는 단점이 있다. 

이에 임성훈 교수 연구팀은 여러 모델을 학습할 필요 없이 여러 데이터의 집합체(이하 도메인)를 한 모델에 학습하는 기법을 설계했는데 이를 이용해 각 도메인으로 변환된 다량의 이미지를 얻어 모델을 학습하게 했다.  

또 같은 물체임에도 외관적인 특징이 다를 수 있다는 문제를 해결하기 위해 원본 이미지와 변환된 이미지 간의 연관성을 이용해 각 물체의 알맞은 정보를 찾고 하나의 모델에 학습시키는 기법을 개발하는데 성공했다.

▲ 고안한 신경망 구조(이미지 출처=DGIST)

연구팀이 개발한 다중 타깃 도메인 변환 신경망은 한 모델로도 여러 도메인의 이미지 변환이 자유자재로 가능한 장점이 있다. 또 도메인 사이의 유사정보에 대한 오류를 발생시키는 클래스 모호성(Class Ambiguity)을 해결함으로써 학습과정을 대폭 줄였고 기존에 모델을 통합하면서 나타났던 성능 저하 문제도 해결해 향후 AI 및 자율주행 분야에서 광범위한 활용이 기대된다.

▲ 클래스 모호성을 해결하기 위한 모듈 구조(이미지 출처=DGIST)

디지스트 전기전자컴퓨터공학과 임성훈 교수는 “자율주행 시장이 점점 커지고 있는 상황에서 다양한 환경 데이터를 활용 가능하게 하는 환경 적응 기술은 매우 가치가 크다”며 “이번 연구는 환경 적응 분야에서 기존의 패러다임을 크게 전환한 연구로 학습데이터 부족 문제를 겪는 국내 자율주행 기술 발전에 긍정적인 영향을 줄 것으로 기대된다”고 말했다.

한편 이번 연구 결과는 관련 분야 최우수 국제학술지 ‘IEEE Conference on Computer Vision and Pattern Recognition’에 게재됐다. 

글. 이지은 기자 smile20222@gmail.com | 사진 및 자료출처=대구경북과학기술원(DGIST)

ⓒ 브레인미디어 무단전재 및 재배포 금지