닭의 행동 분석 AI, 80% 라벨링 시간 단축! 효율적인 자동 라벨링 시스템 등장


아칸소 대학교와 조지아 대학교 공동 연구진이 개발한 효율적인 가금류 데이터 자동 라벨링 시스템(ALPD)이 80% 이상의 라벨링 시간 단축과 높은 정확도를 달성하며 주목받고 있습니다. 반지도 학습, 능동 학습 및 프롬프트-탐지 기법의 조합을 통해 YOLOv8s-ALPD 모델이 뛰어난 성능을 보였습니다. 이는 AI 기반 스마트 팜 기술의 혁신을 가속화할 것으로 예상됩니다.

related iamge

닭의 행동 분석 AI, 80% 라벨링 시간 단축! 효율적인 자동 라벨링 시스템 등장

가금류 농장에서 인공지능(AI)의 활용이 급증하면서, 방대한 데이터셋을 효율적으로 라벨링하는 문제가 심각한 과제로 떠올랐습니다. 수동 라벨링은 시간이 많이 소요되는 작업이기 때문에, 지속적으로 데이터를 생성하는 현대 시스템에는 적합하지 않습니다.

최근, 아칸소 대학교와 조지아 대학교 연구팀이 이러한 문제에 대한 획기적인 해결책을 제시했습니다. Ramesh Bahadur Bist 박사를 비롯한 10명의 연구진은 "대규모 가금류 데이터셋의 효율적인 자동 라벨링 (ALPD) : 반지도 학습 모델, 능동 학습 및 프롬프트-탐지 접근 방식을 이용하여" 라는 논문에서, 반지도 학습, 능동 학습, 그리고 프롬프트-탐지 패러다임을 통합한 효율적인 자동 라벨링 프레임워크를 개발했습니다.

연구팀은 브로일러와 산란계로부터 비디오 데이터를 수집하여 이미지로 변환하고, 전처리, 증강 및 라벨링 작업을 진행했습니다. Grounding DINO, YOLO-World, CLIP과 같은 제로샷 모델과 YOLO, Faster-RCNN과 같은 지도 학습 모델을 활용하여 닭의 품종 및 행동을 감지했습니다.

결과는 놀라웠습니다. 지도 학습 환경에서 YOLOv8s-World와 YOLOv9s가 브로일러와 닭의 탐지 성능이 가장 우수했습니다. 반면, 반지도 학습 모델 중에서는 YOLOv8s-ALPD가 가장 높은 정확도(96.1%)와 재현율(99.0%)을 달성했으며, RMSE는 1.9였습니다. 특히, 최적의 YOLOv8s 백본을 통합한 하이브리드 YOLO-World 모델은 품종 탐지에서 정확도 99.2%, 재현율 99.4%, F1 점수 98.7%를 달성했고, 개별 행동 탐지에서도 정확도 88.4%, 재현율 83.1%, F1 점수 84.5%의 높은 성능을 보였습니다. 또한, 반지도 학습 모델은 행동 탐지에서 정확도는 최대 31%, F1 점수는 16% 향상되었습니다.

가장 중요한 것은, 제한적인 능동 학습을 사용한 반지도 학습 모델이 수동 라벨링에 비해 라벨링 시간을 80% 이상 단축했다는 점입니다. 제로샷 모델의 통합은 탐지 및 행동 식별을 더욱 향상시켰습니다.

이 연구는 AI 기반 가금류 행동 및 건강 모니터링 기술 발전에 크게 기여할 것으로 기대되며, 대규모 데이터셋 라벨링 문제 해결에 새로운 가능성을 제시합니다. 앞으로 AI 기반 스마트 팜 기술의 발전에 더욱 박차를 가할 것으로 예상됩니다.


*이 기사는 AI가 생성한 내용으로, 일부 정보가 실제와 다를 수 있습니다. 정확한 확인을 위해 추가적인 검증을 권장드립니다.

Reference

[arxiv] Efficient Auto-Labeling of Large-Scale Poultry Datasets (ALPD) Using Semi-Supervised Models, Active Learning, and Prompt-then-Detect Approach

Published:  (Updated: )

Author: Ramesh Bahadur Bist, Lilong Chai, Shawna Weimer, Hannah Atungulua, Chantel Pennicott, Xiao Yang, Sachin Subedi, Chaitanya Pallerla, Yang Tian, Dongyi Wang

http://arxiv.org/abs/2501.10809v1