오기용 한양대학교 기계공학부 교수팀이 최근 정확도 및 강건성이 비약적으로 향상된 영상인식 기술인 회전 다중피라미드 신경망 (Rotational Multipyramid network, RoMP Net)을 개발했다.

기존에 많이 사용되는 SSD (Single-shot multibox detector), YOLO(You Only Look Once) 등의 영상인식 심층신경망은 경계박스 내에 배경환경이 포함되기 때문에, 심층신경망 학습에 배경환경 정보가 같이 포함되어 정확도가 낮으며, 특히 학습되지 않은 환경에서 영상을 인식할 때 인식 정확도가 현저히 감소하는 단점이 존재하였다. 또한 얕은 심층망 구조를 사용하기 때문에 복잡한 물체 및 작은 물체는 인지를 못하는 경우도 많았다. 하지만 오기용 교수팀에서 개발한 RoMP Net은 회전 경계박스를 도입하여 학습에 포함되는 배경환경을 최소화하여 강건성을 높였으며 다중크기 피라미드 구조의 심층신경망을 다단계로 적층하여 복잡하거나 작은 물체 또한 인식 가능하도록 심층신경망을 구현하였다. 실제 송전선로 점검에 사용되는 자율비행 드론점검시스템을 이용하여 현장실험을 수행한 결과 기존 영상인식에 사용되는 심층신경망과 비교하여 정확도 10% 이상, 강건성은 200% 이상 향상됨을 확인하였다.

오기용 교수팀에서 개발한 RoMP Net은 실시간 영상인식 기술이라는 점에서 더욱 의미가 있다. 향후 자율주행 모빌리티, 정밀 진단 및 검사 등 우리 생활에서 폭넓게 적용될 수 있기 때문이다. 이러한 혁신성을 인정받아 본 연구결과는 International Journal of Intelligent System (I.F.: 10.312, IF 백분위: 4.376) 의 표지논문으로 선정되어 9월 1일 게재되었다. 본 연구는 한국전력공사 기초전력연구센터 지원을 받아 수행되었다 (과제명: 대형 송전선로 점검을 위한 드론 완전 자율비행 기초원천기술 개발, 2020R1C1C1003829)

(상세 이미지 파일은 첨부파일 참조)