한양대 기계공학부 오기용 교수팀이 최근 인식정확도 및 범용성을 크게 향상시킨 영상인식기술 ‘회전 다중피라미드 신경망(Rotational Multipyramid network, RoMP Net)’을 개발했다고, 한양대가 10일 밝혔다. RoMP Net은 실시간 영상인식이 가능한 ‘One-stage detector’ 라는 점에서 향후 자율주행 모빌리티, 정밀진단 및 검사 등 우리 실생활에 폭넓게 적용될 수 있을 것으로 예상된다.

인공지능 기반 영상인식은 △자율주행 △콘텐츠 메타정보제공 △의료영상분석 등에 주로 사용되는 4차 산업혁명 핵심 기술 중 하나다. 그동안 영상인식에 많이 사용된 SSD(Single-shot multibox detector), YOLO(You Only Look Once) 등의 영상인식 심층신경망은 경계박스 내에 배경환경이 포함됨에 따라 심층신경망 학습 시 배경환경 정보도 포함돼 예측정확도가 떨어졌다. 특히 학습되지 않은 환경에서 영상을 인식할 때 인식정확도가 현저히 감소하는 단점이 있었다. 또 얕은 심층망 구조를 사용했기에 복잡한 물체 및 작은 물체는 인지 못하는 경우도 많았다.

오기용 교수팀은 RoMP Net에 회전 경계박스를 도입해 학습에 포함되는 배경환경을 최소화해 예측 정확도를 높였고, 다중크기 피라미드 구조의 심층신경망을 다단계로 적층해 크기가 작거나 복잡한 물체도 인식하도록 심층신경망을 구현해 이런 문제들을 해결했다.

RoMP Net을 실제 송전선로 점검에 사용되는 자율비행 드론 점검시스템으로 테스트한 결과, 기존 영상인식에 사용되는 심층신경망과 비교해 인식정확도는 10% 이상, 범용성은 200% 이상 향상되는 것을 확인했다. 오 교수는 “탐지하고자 하는 물체의 특징인자만을 추출 가능한 복잡계 심층신경망을 최적화 한 것이 정확도 및 범용성을 확보한 핵심 요소”라며 “이번 연구를 통해 인공지능 기반 영상인식 기술의 수준을 한 단계 상승시켰으며, 차세대 자율비행 및 자율주행 원천기술을 확보 했다”고 말했다.

이러한 혁신성을 인정받아 이번 연구결과는 컴퓨터과학·인공지능 분야 국제 학술지인 International Journal of Intelligent System 9월 1일자에 게재 및 표지논문으로 선정됐다. 한편 이번 연구는 한국전력공사 기초전력연구센터 지원을 받아 수행됐다.(과제명: 대형 송전선로 점검을 위한 드론 완전 자율비행 기초원천기술 개발, 2020R1C1C1003829)