엔비디아, 딥러닝 이미지 분석 정확도 높인 신기술 공개

이미지에서 객체와 배경의 경계를 자동으로 분리해 딥러닝 효율 높여

엔비디아가 딥러닝 이미지 분석 효율을 높일 수 있는 새로운 알고리즘을 선보였다.

미국 IT전문매체인 벤처비트 등 외신은 엔비디아가 토론토 인공지능(AI) 연구소와 함께 개발한 컴퓨터 비전 모델인 ‘스틸’(STEAL)을 공개했다고 18일 보도했다.

스틸은 이미지에서 객체와 배경의 경계를 자동으로 탐지하고 구분하는 알고리즘이다. AI가 시각 데이터를 학습할 때 필요한 부분을 빠르고 정확하게 분류할 수 있어 AI 학습 효율을 높일 수 있는 것이 특징이다.

엔비디아의 딥러닝 알고리즘 '스틸' 적용 결과.

엔비디아가 공개한 내용에 따르면 경계예측모델인 케이스넷(CASENet)에 적용한 결과 F매저(MF) 최적 데이터스케일(ODS)에서 4%, 평균정밀도(AP)는 18.61% 상승하며 다른알고리즘 보다 높은 성능을 내는 것으로 나타났다.

엔비디아 측은 스틸을 이용해 객체의 경계를 보다 정확하게 인식하면 이미지 생성에서 3D 재구성, 객체 감지에 이르는 다양한 작업에 AI를 응용할 수 있을 것이라고 덧붙였다.

스틸은 엔비디아의 GPU 가속 라이브러리인 ‘cuDNN’ 기반의 파이토치 심층 학습 프레임 워크와 4개의 엔비디아 V100 GPU로 구동되는 AI 전용 워크스테이션 ‘DGX 스테이션’ 그리고 오픈 소스 데이터세트인 ‘시티스케이프’의 데이터으로 학습한 알고리즘이다.

컴퓨터 비전은 딥러닝 기술 중 현재 가장 많은 분야에서 쓰이는 기술이다. CCTV 등 실시간 영상을 분석해 외부 침입자를 감지하는 보안을 비롯해 제조, 금융 등 폭넓은 분야에서 활용되고 있으며 앞으로도 활용 분야가 넓어질 것으로 주목받고 있다.

엔비디아의 딥러닝 알고리즘 '스틸' 적용 결과.

스틸을 엔비디아가 오픈소스 형태로 공개했으며 현재 오픈소스 공유 플랫폼인 깃허브 등에서 다운 받아 사용할 수 있다.