최태종 전남대 데이터사이언스대학원 교수 연구팀이 도메인 간 차이를 극복하면서도 강력한 성능을 발휘하는 반지도 학습 기반 도메인 적응 기술을 개발했다고 18일 밝혔다.

이 논문은 인공지능(AI) 분야 ‘AI에 관한 제 39차 연례 AAAI 콘퍼런스(The 39th Annual AAAI Conference on Artificial Intelligence)’ 내년 2월 발표될 예정이다.

기존 도메인 적응 연구는 소스 도메인(훈련 데이터)과 타겟 도메인(테스트 데이터)의 분포 차이로 인해 성능이 저하되는 문제가 있었다. 특히 기존 네트워크는 이미지의 부분적 특성이나 전역 관계를 효과적으로 학습하지 못해 객체를 정확히 인식하는 데 어려움을 겪었다.

연구팀이 개발한 HiGDA(Hierarchical Graph of Nodes)는 이미지의 세부 영역과 전체 패턴을 동시에 학습할 수 있는 계층적 그래프 모델이다. 로컬 그래프는 이미지를 작은 패치로 나눈 후 인접 패치 간의 관계를 학습해 객체의 주요 특징을 추출하고 불필요한 잡음을 제거한다. 이어 글로벌 그래프는 각 이미지를 하나의 노드로 보고, 같은 카테고리 내 노드 간의 관계를 학습해 객체 간 전역적 특징을 강화한다.

연구팀은 그래프활성 학습(GAL) 기법을 통해 타겟 데이터의 잠재적 레이블을 예측하고 학습에 반영함으로 도메인 간 불일치를 줄이고 성능을 개선했다. 오피스홈 홈, 도메인넷, VisDA2017 등 다양한 벤치마크 데이터셋 실험 결과, HiGDA는 기존 기술을 크게 상회하는 성능을 보여 도메인 적응 분야 새로운 기준을 제시했다.

이번 연구는 과학기술정보통신부 데이터사이언스 융합인재 양성사업과 한국연구재단 우수신진연구의 지원으로 수행됐다.