드론 감시의 혁신: 희귀 객체 탐지를 위한 지능형 샘플링 기법 등장

드론 감시 환경에서의 객체 탐지 성능 향상을 위한 새로운 샘플링 기법 E-IRFS가 개발되었으며, 기존 기법 대비 22% 향상된 성능과 경량 모델에서의 효과를 보임으로써 실시간 응용 분야에 적합함을 보여주었습니다.

화재, 익사 사고 등 긴급 상황에서 드론을 이용한 감시는 인명 구조의 효율성을 크게 높입니다. 하지만 드론 영상 분석에서 특정 객체(예: 화재, 연기, 사람)가 다른 객체보다 훨씬 적게 나타나는 장기 분포 문제는 객체 탐지 모델의 정확도를 떨어뜨리는 주요 원인입니다. 기존의 샘플링 기법인 RFS와 IRFS는 이 문제를 해결하기 위해 시도되었지만, 선형적인 조정 방식으로 인해 장기 분포 문제에 대한 효과가 제한적이었습니다.

Taufiq Ahmed 등 8명의 연구진은 이러한 문제를 해결하기 위해 지수 가중 인스턴스 인식 반복 팩터 샘플링(E-IRFS) 기법을 개발했습니다. E-IRFS는 이미지와 인스턴스 빈도의 기하 평균에 지수 함수를 적용하여 희귀 클래스와 빈번한 클래스 간의 차이를 더욱 효과적으로 구분합니다. 이를 통해 보다 적응적인 재균형 전략을 가능하게 합니다.

연구진은 Fireman-UAV-RGBT 데이터셋과 4개의 추가 공개 데이터셋을 사용하여 YOLOv11 객체 탐지 모델을 통해 화재, 연기, 사람, 호수를 식별하는 실험을 진행했습니다. 그 결과, E-IRFS는 기존 방식 대비 22% 향상된 탐지 성능을 보였으며, 특히 희귀 클래스의 탐지 성능 향상에 탁월한 효과를 나타냈습니다. 흥미로운 점은 E-IRFS가 자원이 제한된 경량 모델에서 더 큰 효과를 보였다는 점입니다. 이는 경량 모델이 클래스 불균형 문제를 해결하기 위해 데이터 샘플링 전략에 더 많이 의존하기 때문입니다.

E-IRFS는 드론 기반 응급 모니터링과 같은 실시간 응용 분야에 적합한 솔루션으로, 제한된 자원 환경에서도 희귀 객체 탐지 성능을 향상시키는 획기적인 기술로 평가받고 있습니다. 이 연구는 드론 감시 기술의 발전에 중요한 기여를 할 것으로 기대됩니다. 향후 연구에서는 다양한 드론 환경과 객체 유형에 대한 E-IRFS의 일반화 가능성 및 실제 현장 적용에 대한 추가 연구가 필요할 것으로 예상됩니다.