온디바이스 AI 기반 수중 생물 인식 기술

국문 초록 (Abstract)

해양 자원 탐사 및 관리에서 무인잠수정의 사용이 증가함에 따라 수중 영상 처리 및 실시간 수중 생물 인식의 필요성이 높아졌다. 기존 연구에서는 촬영된 영상을 후처리하여 실시간 반응이 어려웠으며, 대규모 수중 생물 데이터 부족 및 학습용 데이터셋이 없는 문제가 있다. 본 논문에서는 온디바이스 기반의 경량화된 인공지능(AI) 모델을 모바일 기기에 탑재하여, 네트워크 접속이 불가능한 수중 환경에서도 실시간으로 수중 생물을 인식할 수 있는 기술을 제안한다. 이를 위해, 41종의 수중 생물을 포함한 30,647개의 이미지를 수집하고 라벨링하여 22만여개의 수중 생물 객체 데이터셋을 구축하였다. 본 논문에서 구축한 데이터셋을 이용하여 YOLOv6에 기반하여 재학습을 수행하였다. 또한 모바일 단말에서 학습된 모델의 동작 지연율을 최소화 시키기위해 ONNX 변환을 사용하지 않고 TFLite에서 모델을 정의하여 학습된 가중치를 적용시키도록 하였다. 실험 결과는 구축된 데이터베이스에서 mAP 0.6을 달성하였으며 모바일 디바이스에서 30FPS 이상의 실시간 처리 속도를 달성하였음을 보여준다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 본론
• 3. 수중 생물 인식 모델 성능 및 동작 결과
• 4. 결론
• 참고문헌