복잡한 장면에서 물체를 식별하는 인공 지능 시스템

로봇 비전은 자율 주행 및 물체 조작과 같은 복잡하고 까다로운 작업의 응용 프로그램과 함께 정교함 수준에 도달하면서 먼 길을 왔습니다. 그러나 일부 개체가 다른 개체 뒤에 부분적으로 또는 완전히 숨겨져 있는 복잡한 장면에서 개별 개체를 식별하는 데 여전히 어려움을 겪고 있습니다. 일반적으로 이러한 장면을 처리할 때 로봇 비전 시스템은 보이는 부분만을 기준으로 가려진 물체를 식별하도록 훈련됩니다. 그러나 이러한 교육에는 많은 개체 데이터 세트가 필요하며 지루할 수 있습니다.

이규빈 부교수 및 Ph.D. 한국의 광주과학기술원(Gwangju Institute of Science and Technology)의 백승혁 학생은 복잡한 장면에서 사물을 식별하고 분류하는 인공 지능 시스템을 개발할 때 이 문제에 직면하게 되었습니다. “우리는 로봇이 이전에 본 적이 없거나 인식하도록 훈련된 적이 없는 물체를 인식하고 조작할 것으로 기대합니다. 그러나 실제로는 심층 신경망의 일반화 가능성이 훈련 데이터 세트의 품질과 양에 크게 좌우되기 때문에 데이터를 하나씩 수동으로 수집하고 레이블을 지정해야 합니다.”라고 Back이 말했습니다.

Lee와 Back 교수가 주도한 새로운 연구에서 그들은 어수선한 장면에서 가려진 물체를 감지하기 위해 UOAIS(unseen object amodal instance segmentation)라는 모델을 개발했습니다. 객체 형상을 식별하는 모델을 훈련시키기 위해 깊이 정보가 포함된 45,000개의 사실적인 합성 이미지가 포함된 데이터베이스를 개발했습니다. 이 (제한된) 훈련 데이터를 사용하여 모델은 다양한 가려진 물체를 감지할 수 있었습니다. 어수선한 장면을 만나면 먼저 관심 개체를 선택한 다음 개체를 "가시 마스크"와 "아모달 마스크"로 분할하여 개체가 가려져 있는지 확인합니다.

연구원들은 결과에 흥분했습니다. “이전의 방법은 특정 유형의 물체만 감지하거나 가려진 영역에 대해 명시적으로 추론하지 않고 보이는 영역만 감지하는 것으로 제한되었습니다. 대조적으로, 우리의 방법은 인간 비전 시스템과 같은 가려진 물체의 숨겨진 영역을 추론할 수 있습니다. 이를 통해 복잡한 환경에서 성능을 향상시키면서 데이터 수집 노력을 줄일 수 있습니다.”라고 Back은 말했습니다.

시스템에서 "오클루전 추론"을 가능하게 하기 위해 연구원들은 추출된 여러 특징과 예측 순서의 조합에 계층을 할당하는 "계층적 폐색 모델링"(HOM) 체계를 도입했습니다. 3가지 벤치마크에 대해 모델을 테스트하여 최첨단 성능을 달성한 HOM 체계의 효율성을 검증했습니다.

연구원들은 그들의 방법의 미래 전망에 대해 희망적입니다. “어수선한 환경에서 보이지 않는 물체를 인식하는 것은 모달 로봇 조작에 필수적입니다. 우리의 UOAIS 방법은 이 면에서 기준선 역할을 할 수 있습니다.”라고 Back이 말했습니다.

자세한 내용은 광주과학기술원 김슬혜에게 문의하세요. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 그것을 보려면 JavaScript가 활성화되어 있어야 합니다.; 0627-156-253.