디지스트(DGIST·대구경북과학기술원)는 전기전자컴퓨터공학과 황재윤 교수 연구팀이 다비오와 공동으로 항공·위성에서 물체를 정확하게 추출하는 세계 최고 성능의 신경망 모듈을 개발했다고 3일 밝혔다.
최근 인공지능의 한 분야인 딥러닝 기법이 고도화하면서 항공·위성 영상 분석에도 널리 적용되고 있지만 기존 모델은 특정 물체에만 최적화해 다른 물체의 인식에 제약이 있었다. 또한 객체의 형태학적 특성을 반영하지 못해 부정확한 결과를 초래했다.
연구팀은 기존 모델보다 훨씬 더 정확한 결과를 제공하며 다양한 응용 분야에 활용될 수 있는 신경망인 ‘DG-Net’을 개발했다. DG-Net은 입력 영상에 맞게 최적화하는 테스트 시간 적응 학습 방법을 사용해 물체의 밀도를 인식하고, 이를 기반으로 세밀한 분할을 수행한다.
DG-Net은 항공·위성 이미지에서의 다양한 객체 분할 작업에서 우수한 성능을 보여준다.지리 공간 객체 분할에서 뛰어난 정확도를 보여주며, 이는 기존 모델들 대비 최고의 성능을 나타냈다. 특히 지리 공간 객체 분할의 정확도를 향상시킬 뿐 아니라, 환경 모니터링, 도시 계획, 농업 및 재해 관리 등 다양한 응용 분야에 적용할 수 있어 원격 감지 분야에서 항공 또는 인공위성 영상을 이용한 물체 분할에서 혁신적인 솔루션으로 자리 잡을 것으로 예상된다.
황재윤 교수는 “이번 연구를 통해 개발한 신경망은 항공·위성 영상에서 타겟 물체를 높은 정확도로 추출할 수 있는 새로운 신경망”이라며 “향후 관련 기술을 좀 더 개선한다면 자율 주행 자동차, 국방, 의료 영상 등 많은 분야들에 적용해 인공지능 분야의 발전에 긍정적인 영향을 줄 것으로 기대한다”고 말했다.
이번 연구결과는 원격 감지 분야 국제학술지 ‘IEEE 트랜젝션 온 지오사이언스 앤 리모터센싱' 3월 20일자로 게재됐다.