인하대, 자율주행용 다중 클래스 광원 분류 AI 모델 개발

인하대는 배승환 컴퓨터공학과 교수 연구팀이 다중 클래스 광원 데이터셋과 이를 효과적으로 분류할 수 있는 AI 모델을 제안해 AI 분야 글로벌 권위 학회인 신경정보처리시스템학회(Neural Information Processing System․이하 NeurIPS)에 게재했다고 14일 밝혔다.이는 자율주행시 가로등, 신호등, 차량 주변 등 주변 상황을 인지하고 교통흐름 예측에 도움을 주는 광원을 분류할 수 있다.

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 도움을 줄 수 있다.

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

기존 광원 검출 연구는 태양의 눈부심(glare), 광원, 배경만 구분하고, 광원 종류는 구분하지 않았다.

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

이어 해당 데이터셋에서 최신 객체 검출 기술의 심도 있는 비교 분석을 진행했다. 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.

또 거짓 양성(false positive)을 줄이기 위해 거짓 양성 규제 손실 함수를 제안했다. 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 점에서 높은 평가를 받았다.

연구팀은 오는 12월 캐나다 벤쿠버에서 열리는 NeurIPS 2024에서 ‘새로운 다중 광원 검출 벤치마크 및 반지도 학습 기반 포컬 광원 탐지’(A New Multi-Source Light Detection Benchmark and Semi-Supervised Focal Light Detection)’의 연구결과를 발표할 예정이다.

배승환 인하대 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 기술 확산을 위해 많은 연구자에게 광원 데이터, 검출 코드, 성능 평가 분석 결과를 제공할 계획”이라고 말했다.

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