| 초록 |
연구개발 목표 및 내용 최종 목표 AI와 드론을 이용하여 재난/위급 상황을 인지하고 이에 드론이 자율적으로 대응을 할 수 있는 복합지능 AI를 연구 및 개발하는 것을 목표함. 재난, 위급 상황인지 및 대응 알고리즘은 상황인지, 문자인지, 음향인지 크게 3가지 모듈로 구성되어 있으며 3가지 모듈을 통합하여 복합지능 AI를 개발하는 것을 목표로 함. [상황인지] 드론을 활용하여 재난 상황이라는 고난이도 상황 분석이 가능한 모듈 개발을 목표함. 세부적으로, 인명 피해 방지를 위한 객체 탐지(detection), 의약품 및 물자 수송을 위한 지역 국소화(localization), 더 나아가 고수준의 사람-객체 간 상호 작용 (Human-Object Interaction) 인지, 퓨샷 탐지 (Few-shot Detection) 모듈 개발을 목표함. [문자인지] 사람이 진입하기 힘든 재난/위급 상황하에 드론의 자율대응을 위해 드론의 위치 파악이 선행되어야 하며, 이를 위해 건물의 층수, 건물명 혹은 층별 안내도 등에 대한 문자 인지 모듈 개발을 목표로 함. 재난 상황 시 극한 환경이 연출될 것으로 고려되며, 이와 같은 환경 하에서도 일관적으로 수행 가능한 text detection 및 text recognition 모듈 개발. [음향인지] 드론을 활용하여 재난 상황에서 음향 정보를 활용하여 구조자에 대한 정보를 파악하는 것을 목표로 함. 구조자의 위치 추정을 위한 발원방향 추정 모듈 개발 및 구조자의 특성(남자/여자/유아) 파악을 위한 음향특성 분류 모듈 개발. 두 모듈 모두 움직이는 드론에서의 성능 안정화를 위한 고도화 진행. 추가로 구조자의 특성 외에 위험 상황 검출이 가능한 모듈로 고도화. [통합/경량화] 3가지 모듈을 총통합하고 모델을 경량화하여 드론/보드에 탑재하는 것을 최종목표로 함. 드론을 이용하여 재난/위급 상황에 대한 인지 및 대응을 하기 위해선, 다양한 인지 알고리즘을 드론 내부에 적용할 수 있어야 함. 따라서 본 연구에서 필요한 인지 알고리즘들의 정확성 뿐만 아니라 통합 및 경량화 측면을 고려해야 함. 최근 경량화에 대한 연구 및 실제 적용 사례는 현재 발전하고 있는 단계에 있으나, 다양한 인지 알고리즘들을 포괄하는 경량화 작업이 가능하도록 발전시켜야 함. 전체 내용 [상황인지] 본 연구에서는 드론을 활용한 재난 상황 탐지 및 인지 모듈을 개발함. 드론의 탑뷰 (top view) 영상의 경우 작은 물체의 비율이 높고 장면 자체가 압축이 되어있어 정면에 비해 정보를 적게 담고 있음. 또한 안개, (화재로 인한) 연기 등의 자연 발생에 인한 흐림 효과 (blur), 이미지 폐색 (occlusion) 문제 등도 빈번하게 일어나는 편임. 따라서 이들을 고려한 특수 상황에서도 잘 작동하는 탐지 모델을 기반하여 모듈을 발전시킬 계획임. 또한 고수준의 시각 장면 이해를 위해 사람-객체간 상호작용 탐지 (human-object interaction detection) 모델을 개발하여 재난 상황에서 사람이 취하고 있는 행동을 파악할 수 있게함. 추가로 학습 데이터 수가 적은 클래스에 대한 예측 및 탐지가 가능하도록 퓨샷 러닝 (few-shot learning) 에대해 연구할 계획임. [문자인지] 문자 인식기술은 비디오 프레임 내에서 각 문자의 위치를 탐지할수 있는 Text detection 기술과 탐지된 문자를 인지하는 Text recognition 기술이 요구됨. 성능의 고도화를 위해선 두 모듈의 성능이 동시에 보장되어야 함. 또한 장면들이 드론으로부터 촬영되므로, 다양한 카메라 시야 (perspective)에 의한 왜곡의 최소화를 보장할 수 있는 모델을 개발할 예정임. 실제 건물에는 다양한 글씨체의 문자들이 존재하며, 이뿐만 아니라 문자가 적혀있는 배경, 방향 (Vertical, horizontal, curved)들 역시 다양한 형태로 존재하며 이들을 모두 탐지 할 수 있도록 모듈을 발전시켜야 함. 추가적으로 띄어쓰기 및 줄 바꿈 등으로 문장이 끊겨있는 경우와 같은 장면에 존재하는 다른 문자들을 구별하여 인식할 수 있도록 고도화할 예정임. [음향인지] 구조자의 구조 요청 음원의 발원 방향을 추정하는 발원방향 추정모듈을 개발한다. 드론에 탑재되는 마이크의 채널수에 따라 마이크로 수음되는 음원의 Interaural Time Differences (ITDs) 혹은 Interaural Level Differences (ILDs)에 따른 방향 추정이 가능하며, 두 정보를 통합적으로 활용하는 인공지능 모듈 개발. 구조자의 규모와 특성 (남자/여자/유아) 파악을 위한 음향특성 분류 모듈을 개발한다. 주어진 특성을 분류하는데 최적화된 모델 구조 탐색 및 드론 잡음을 포함한 환경 잡음에 강인한 성능을 갖는 고도화된 인공지능 모듈 개발. 발원방향 추정 모듈 및 음향특성 분류 모듈 모두 움직이는 드론에서 실시간으로 수음되는 오디오에 대한 성능 안정화가 필요. 따라서 시변 (Time-variant) 레이블에 대한 데이터 증강 (Data Augmentation)을 통해 고도화된 모듈 개발. 또한 구조자의 특성 외에, 음향 데이터로부터 추정 가능한 위험 및 위협상황에 대한 분류가 가능하도록 모델 고도화. [통합/경량화] 드론의 상황인지, 문자인지, 음향인지를 실제 드론에 적용하기 위해선 해당 알고리즘에 대한 경량화가 필요함. 드론을 통한 재난 상황 내 객체 탐지의 경우, 객체 탐지로써의 특성뿐만 아니라 재난상황(예. 화재로 인한 연기, 홍수로 인한 범람)의 특성도 고려하여, 해당 알고리즘에 적합한 방식의 경량화 기법을 적용할 수 있어야 함. 또한 다양한 인지 알고리즘들을 포괄하는 경량화에 대한 연구까지 나아가야 함. 현재 경량 딥러닝 (Lightweight Deep Learning) 연구 동향은 경량 딥러닝 알고리즘과 알고리즘 경량화 연구로 진행되고 있음. 경량 딥러닝 알고리즘은 모델 자체를 경량화를 목적으로 하는 효율적인 네트워크 구조를 만든 것으로 1) 모델 구조 변경기술, 2) 합성곱 필터 변경, 3) 자동 모델 탐색과 같은 분야가 있음. 이중 자동 모델 탐색은 대표적으로 넷어탭트 (NetAdapt)와 엠나스넷 (MNasNet)이 있음. 알고리즘 경량화 연구로는 기존 알고리즘의 불필요한 파라미터를 제거하거나, 파라미터의 공통된 값을 공유하거나, 파라미터의 표현력을 잃지 않으면서 기존 모델의 크기를 줄이는 (모델 압축) 연구 방향이 있음. 이중 모델 압축의 경우, 대표적으로 가중치 가지치기 (Weight Pruning), 양자화 (Quantization) 및 이진화(Binarization), 그리고 가중치 공유 (Weight Sharing) 기법이 있음. 연구개발성과 활용계획 및 기대 효과 현재 공공 건설, 하천관리, 산림 보호, 수색 및 정찰, 송전선 점검 등 다양한 공공 분야에서 드론이 폭넓게 활용되고 있거나 계획 중인 상태임. 본 연구는 위의 활용 분야보다 한 단계 더 나아가 재난 상황 내 객체 및 관계 탐지에 대한 연구를 진행할 계획임. 재난 상황 내 객체 탐지를 위해서는 단순히 한 가지 인지 알고리즘을 적용하는 것이 아닌 상황(비전)/음성/문자 인지를 통합하여 완성된 모델을 구축하여야 함. 기술적인 측면에서 다양한 인지 알고리즘들을 통합하여 드론 탐지 알고리즘으로 구축하는 것은 다른 많은 분야에도 고도화된 탐지를 가능하게 할 수 있음. 이를 공개 SW로서 배포함으로써 여러 분야에서의 발전 및 적용 기회를 창출할 수 있을 것으로 보임. 경제적인 측면에서는, 본 연구에서 계획한 핵심 통합 알고리즘을 활용하여 각 산업 현장 및 분야에서 1) 재해로 인한 직/간접적인 경제적 손실에 대한 비용 절감, 2) 인적/물적 자원 절약 및 관리 효율 증가, 3) 작업자의 업무 효율성 증대에 따른 생산성 증가라는 성과를 얻을 수 있음. (출처 : 요약문 3p) |
