적외선 객체 탐지 성능 향상을 위한 데이터 증강 방법 적용

국문 초록 (Abstract)

최근 자율주행차의 센서들에 대한 깊이 있는 연구가 진행되고 있다. 특히, 오직 카메라 기반의 자율주행을 추구하는 트렌드가 진행되고 있으며, VIS (Visible) 카메라의 환경에 대한 한계를 극복하기 위해 IR (Infrared) 카메라를 활용한 객체 탐지에 대한 연구는 반드시 필요하다. 딥러닝 기반의 객체 탐지 기술은 충분한 데이터를 필요로 하며, 데이터 증강은 객체 탐지 네트워크를 더 견고하게 성능을 향상 시킬 수 있다. 본 연구에서는 GAN (Generative Adversarial Network)을 기반으로 하는 데이터 증강 방법을 기반으로 적외선 데이터셋의 고해상도 이미지를 생성하고 학습하여 객체 탐지의 성능을 높일 수 있는 방법을 연구를 진행하였다. 데이터의 학습과 검증을 위해 강설, 안개, 폭우 등의 악기상에서 VIS 카메라와 IR 카메라의 데이터를 수집하였으며, FLIR 사의 적외선 데이터 이미지를 활용하였다. 생성된 데이터셋을 활용하여 다양한 객체탐지 네트워크에 적용하여 객체탐지 성능이 향상 된 것을 확인할 수 있었다. 연구 결과를 바탕으로 앞으로도 확보될 수많은 VIS 카메라 데이터를 IR 데이터셋으로 생성하고, VIS 카메라와 퓨전하여 오직 카메라만을 활용한 객체 탐지 기술을 발전시킬 예정이다. 궁극적으로 IR 카메라의 장점을 활용하여 자율주행차 영역만이 아닌 군용 감시 무기체계와 산업용 센서 등에 적용할 수 있는 범용적인 카메라 기반의 탐지 기술을 기대할 수 있다.