- DGIST 박상현 교수팀, 소수 데이터만으로 새로운 물체 정확 분류

왼쪽부터 박상현 교수, 김수필 석박사통합과정, 필립치콘테 박사과정.[DGIST 제공]
왼쪽부터 박상현 교수, 김수필 석박사통합과정, 필립치콘테 박사과정.[DGIST 제공]

[헤럴드경제=구본혁 기자] 학습데이터에 없었던 물체를 인식하기 위해 대규모 데이터셋 구축이 필수적인 기존 딥러닝 모델과 달리 작은 정보만으로 새로운 물체를 분류하는 딥러닝 기술이 개발됐다.

대구경북과학기술원(DGIST) 로봇및기계전자공학과 박상현 교수 연구팀은 여러 이미지로부터 상관관계를 학습하는 트랜스포머를 활용, 소수의 정답지를 가진 데이터로 기존 데이터셋에 존재하지 않는 새로운 물체를 정확히 분류하는 퓨샷(few-shot) 분류모델을 개발했다.

반적으로 높은 성능의 딥러닝 분류모델을 훈련하기 위해서는 대규모 데이터셋을 구축해야 한다. 각 항목마다 수백에서 수천 장의 영상을 모으고 영상 간의 연결성의 유무를 구분하는 레이블링 작업을 진행해야 하기 때문에 오랜 시간과 많은 비용이 발생한다. 이러한 문제를 해결하기 위해 소수의 데이터만으로도 새로운 물체를 분류하는 퓨샷(few-shot)모델이 활발하게 연구되고 있다. 현재 소수의 레이블링이 있는 서포트(support) 데이터들 간의 상관관계를 분석하는 트랜스포머나 픽셀단위의 영상비교 기법들이 제안되었으나 성능 향상이 제한적이다.

박상현 교수팀은 소수의 레이블링이 있는 서포트 데이터가 주어졌을 때 분류해야 하는 영상에서 추출된 특징들을 효과적으로 비교할 수 있는 기법을 새롭게 제안했다. 박상현 교수 연구팀은 데이터 사이 상관관계를 보여주는 ‘어탠션 맵’을 활용해 특정 패턴을 갖는 유사한 데이터를 모아 평균화 시킨 특징벡터를 변환하는 트랜스포머를 활용한 모델을 개발했다.

기존기법들과 달리 양방향으로 특징을 변환하여 효과적으로 특징벡터를 비교할 수 있는 방법을 고안했다. 이를 통해 영상에서 추출한 특징 벡터들이 서로 비교하기 적합한 새로운 벡터공간으로 변환되어 분류성능이 크게 개선했다.

연구팀이 개발한 인공지능 모델 구조.[DGIST 제공]
연구팀이 개발한 인공지능 모델 구조.[DGIST 제공]

새롭게 개발한 딥러닝 모델은 퓨샷 분류문제에 있어 1개 ~ 5개의 데이터만으로 최대 84% ~ 94%의 정확도를 보였으며, 기존에 제안됐던 다른 퓨샷학습 기법들의 성능을 크게 웃돌았다.

박상현 교수는 “이번 연구를 통해 개발한 모델은 퓨샷 분류 성능을 크게 개선시켰으며 이를 통해 딥러닝 모델 학습의 효율성 향상에 기여할 수 있을 것으로 기대된다”며 “향후 관련 기술을 좀 더 개선한다면 다양한 분류문제에 범용적으로 활용될 수 있을 것”이라고 말했다.

이번 연구결과는 인공지능 관련 국제학술지 ‘IEEE 컨퍼런스 온 컴퓨터 비전 앤 패턴 리코지니션’ 6월 게재됐다.


nbgkoo@heraldcorp.com