|
작성일 : 25-10-17 15:37
|
글쓴이 :
 조회 : 28
|
 http://40.rch529.top [0] | | http://31.reg198.top [0] |
오락실릴게임 ? 강원랜드 슬롯머신 종류 ?┣ 20.rzz885.top ∀대구경북과학기술원(DGIST) 미래모빌리티연구부 권순·이진희 연구진이 개발한 ‘멀티플티처스(MultipleTeachers)’ 개요도./DGIST
자율주행 기술이 발전하려면 도로 위의 차량, 보행자, 오토바이 등을 얼마나 정확하게 구분하느냐가 관건이다. 하지만 인공지능(AI)이 이를 학습하려면 수많은 영상을 일일이 구분해 표시(라벨링)해야 해, 시간이 많이 들고 비용 부담도 컸다.
대구경북과학기술원(DGIST) 미래모빌리티연구부 권순·이진희 연구진은 17일, 라벨이 거의 없는 상황에서도 최신 수준의 인식 성능을 구현할 수 있는 인공지능 학습 기술 ‘멀티플티처스(Multipl신천지게임 다운로드
eTeachers)’를 개발했다고 밝혔다.
이 기술은 비슷한 물체를 묶어 여러 개의 ‘교사 네트워크’를 만들고, 이들이 서로 협력해 가상의 라벨을 자동으로 만들어내는 방식이다. 사람이 일일이 데이터를 정리하지 않아도 AI가 스스로 학습 데이터를 만들어 학습하는 셈이다.
또한 연구진은 라이다(LiDAR·레이저 거리 센서) 빠칭코
데이터가 부족할 때 발생하는 인식 오류를 줄이기 위해 ‘포인트젠(PointGen)’이라는 기능을 더했다. 덕분에 차량, 보행자, 이륜차 등 주요 도심 객체를 이전보다 훨씬 정밀하게 인식할 수 있게 됐다.
연구진은 “라벨이 적은 데이터와 라벨이 없는 데이터를 함께 학습 시키는 방식으로, 학습 효율을 크게 높였다”며 “자율주행차의 안전성을 높원자력테마주
이는 새로운 인공지능 학습 패러다임을 제시했다”고 설명했다.
연구진은 DGIST 창업기업 자율주행 스타트업 퓨처드라이브와 함께 한국 도심 환경을 반영한 라이다 전용 데이터셋 ‘LiO’도 새로 구축했다.
이 데이터셋은 128채널 라이다 1대와 6대의 카메라로 수집한 자료를 바탕으로, 전문가 검수를 세 차례 이상 거쳐 품질을비과세저축
높였다. 총 2만1000개의 라벨 영상과 9만6000개의 비라벨 영상으로 구성돼, 다양한 실험 환경에서 활용이 가능하다.
글로벌 자율주행 데이터셋인 Waymo(웨이모·라벨 1%)에서는 47.5, KITTI(라벨 2%)에서는 72.2, LiO Large(라벨 15%)에서는 61.4의 mAP(객체 인식 정확도)를 기록했다. 모든 실험에서 기파칭코게임다운로드
존 최신 기법보다 높은 결과를 보였으며, 특히 보행자와 오토바이처럼 작은 객체의 인식 정확도가 크게 향상됐다.
이번 연구는 DGIST 기관고유사업과 과학기술정보통신부의 연구개발특구육성(R&D) 사업 지원으로 수행됐으며, 연구 결과는 오는 10월 국제 학회 ICCV 2025에서 공식 발표될 예정이다.
이 박사는 “세계 최고 비전 학회인 ICCV 2025에서 DGIST의 인지 기술을 발표할 수 있어 영광”이라며 “LiO 데이터셋을 공개해 연구 커뮤니티와 지식을 공유하고, 자율주행·스마트시티·물류 로보틱스 등 다양한 분야로 기술 적용을 확대하겠다”고 말했다.
- Copyright ⓒ 조선비즈 & Chosun.com -
|
|
|
