Machine Learning and Vision Lab
전기전자컴퓨터공학부 전문구
지스트 머신러닝 비전 연구실은 컴퓨터 비전, 패턴 인식, 머신러닝, 인공지능 분야를 선도하는 연구실로, 2D 및 3D 시각 인식, 멀티 오브젝트 트래킹, 객체 검출 및 분할, 행동 인식 등 다양한 컴퓨터 비전 문제를 심층적으로 연구하고 있습니다. 연구실은 전통적인 알고리즘과 최신 딥러닝 기반의 머신러닝 기법을 융합하여, 복잡하고 동적인 환경에서도 높은 정확도와 실시간 처리가 가능한 비전 시스템을 구현하는 데 주력하고 있습니다. 이러한 연구는 자율주행, 스마트 시티, 국방, 의료 영상 분석 등 다양한 산업 분야에 직접적으로 기여하고 있습니다.
특히, 실시간 시각 감시, 원격 탐사, 국방 응용 분야에서 두각을 나타내고 있습니다. 위성 영상, 드론 영상, 감시 카메라 등 다양한 소스에서 획득한 시각 데이터를 활용하여, 실시간으로 객체를 탐지하고 추적하는 기술을 개발하고 있습니다. 군 표적 탐지, 군중 밀도 추정, 상황 인식 등 국방 및 사회 안전과 직결된 문제에 대한 솔루션을 제시하며, ARMA3 기반의 가상 데이터 생성, 데이터 증강, 트랜스포머 및 GAN 기반 모델 등 최신 기술을 적극적으로 도입하고 있습니다.
AI 모델의 경량화와 불균형 학습 이론 연구도 연구실의 중요한 축입니다. 지식 증류, 모델 압축, 불균형 데이터 학습 등 다양한 이론적 연구를 통해, 대규모 신경망의 성능을 유지하면서도 연산량과 메모리 사용량을 최소화하는 경량화 기법을 개발하고 있습니다. 또한, 소수 클래스에 대한 인식률 저하 문제를 해결하기 위한 새로운 손실 함수와 데이터 증강 전략을 제안하여, 실제 산업 현장에서의 AI 모델 배포 및 운영 효율성을 크게 향상시키고 있습니다.
연구실은 국내외 산학협력, 정부 및 방위산업체와의 공동 연구, 다양한 특허 출원 및 기술이전, 그리고 국제 저널 및 학회 발표를 통해 연구 성과를 확산시키고 있습니다. 대규모 데이터셋 구축, 시뮬레이션 기반 가상 데이터 생성, 최신 딥러닝 모델의 설계 및 최적화 등 폭넓은 연구를 수행하며, 실제 현장에 적용 가능한 실용적이고 혁신적인 기술 개발에 앞장서고 있습니다.
이러한 연구 역량과 성과를 바탕으로, 지스트 머신러닝 비전 연구실은 미래 지능형 감시 시스템, 자율주행, 국방, 환경 모니터링 등 다양한 분야에서 핵심적인 역할을 수행하고 있으며, 차세대 인공지능 및 컴퓨터 비전 기술의 발전을 이끌고 있습니다.
Computer Vision
Crowd Analysis
Machine Learning
컴퓨터 비전 및 패턴 인식 알고리즘
컴퓨터 비전 및 패턴 인식 알고리즘은 머신러닝 비전 연구실의 핵심 연구 분야로, 다양한 시각 데이터를 효과적으로 해석하고 이해하는 기술 개발에 중점을 두고 있습니다. 본 연구실은 2D 및 3D 시각 인식, 멀티 오브젝트 트래킹, 객체 검출 및 분할, 그리고 행동 인식 등 다양한 컴퓨터 비전 문제를 다루고 있습니다. 특히, 전통적인 알고리즘적 접근과 최신 딥러닝 기반의 머신러닝 기법을 융합하여, 복잡한 환경에서도 높은 정확도와 실시간 처리가 가능한 비전 시스템을 구현하는 데 주력하고 있습니다.
최근에는 멀티 오브젝트 트래킹(MOT) 분야에서 라벨드 랜덤 파이닛 셋(LRFS) 필터링, 트랙 재식별, 오클루전(가림) 처리 등 실질적인 문제 해결을 위한 새로운 모델을 제안하고 있습니다. 또한, 다양한 센서(카메라, 레이더, 라이다 등) 데이터를 융합하여 자율주행, 원격탐사, 실시간 감시 등 실제 응용 분야에서 활용 가능한 고성능 비전 시스템을 개발하고 있습니다. 이러한 연구는 IEEE, Elsevier 등 국제 저널 및 학회에서 활발히 발표되고 있으며, 국내외 특허로도 이어지고 있습니다.
이러한 컴퓨터 비전 및 패턴 인식 연구는 자율주행, 스마트 시티, 국방, 의료 영상 분석 등 다양한 산업 분야에 직접적으로 기여하고 있습니다. 연구실은 실제 환경에서 발생하는 다양한 문제를 해결하기 위해, 대규모 데이터셋 구축, 시뮬레이션 기반 가상 데이터 생성, 그리고 최신 딥러닝 모델의 설계 및 최적화에 이르기까지 폭넓은 연구를 수행하고 있습니다.
실시간 시각 감시, 원격 탐사 및 국방 응용
실시간 시각 감시, 원격 탐사 및 국방 분야는 머신러닝 비전 연구실의 대표적인 응용 연구 영역입니다. 본 연구실은 위성 영상, 드론 영상, 감시 카메라 등 다양한 소스에서 획득한 시각 데이터를 활용하여, 실시간으로 객체를 탐지하고 추적하는 기술을 개발하고 있습니다. 특히, 군 표적 탐지, 군중 밀도 추정, 상황 인식 등 국방 및 사회 안전과 직결된 문제에 대한 솔루션을 제시하고 있습니다.
연구실은 실제 데이터의 부족 문제를 해결하기 위해, ARMA3와 같은 시뮬레이션 환경을 활용한 가상 데이터 생성, 데이터 증강, 그리고 딥러닝 기반의 데이터 합성 기법을 적극적으로 도입하고 있습니다. 이를 통해, 실제 환경에서 수집이 어려운 군사 표적, 위성 영상 등 다양한 데이터셋을 구축하고, 최신 트랜스포머 및 GAN 기반 모델을 활용하여 높은 성능의 탐지 및 인식 시스템을 개발하고 있습니다. 또한, 실시간 처리가 가능한 경량화 모델, 불균형 데이터 학습, 지식 증류 등 AI 모델의 상용화 및 효율성 향상에도 많은 노력을 기울이고 있습니다.
이러한 연구는 국방, 재난 대응, 도시 안전, 환경 모니터링 등 다양한 분야에 적용되고 있으며, 국내외 방위산업체, 정부기관, 연구소와의 협력 과제를 통해 실제 현장에 기술을 이전하고 있습니다. 연구실의 성과는 특허, 논문, 산학협력 등 다양한 형태로 확산되고 있으며, 미래 지능형 감시 및 국방 시스템의 핵심 기술로 자리매김하고 있습니다.
AI 모델 경량화 및 불균형 학습 이론 연구
AI 모델의 경량화와 불균형 학습은 최근 인공지능 기술의 실질적 상용화와 확장성 확보를 위한 핵심 연구 주제입니다. 머신러닝 비전 연구실은 대규모 IT 기업 및 산업 현장에서 요구되는 효율적이고 실용적인 AI 모델 개발을 위해, 지식 증류, 모델 압축, 불균형 데이터 학습 등 다양한 이론적 연구를 수행하고 있습니다. 특히, 대규모 신경망의 성능을 유지하면서도 연산량과 메모리 사용량을 최소화하는 경량화 기법을 개발하여, 임베디드 시스템, 모바일 디바이스, 실시간 응용 환경에 적용하고 있습니다.
불균형 학습 분야에서는 소수 클래스에 대한 인식률 저하 문제를 해결하기 위해, 보완 교차 엔트로피(Complement Cross Entropy)와 같은 새로운 손실 함수 설계, 데이터 증강, 샘플링 전략, 앙상블 학습 등 다양한 방법론을 제안하고 있습니다. 또한, 지식 증류(knowledge distillation) 기법을 활용하여, 대형 모델(teacher)의 지식을 소형 모델(student)로 효과적으로 이전함으로써, 경량화와 성능을 동시에 달성하는 연구를 진행하고 있습니다. 이러한 연구는 실제 산업 현장에서의 AI 모델 배포 및 운영 효율성을 크게 향상시키고 있습니다.
이와 같은 AI 모델 경량화 및 불균형 학습 연구는 자율주행, 감시 시스템, 원격 탐사, 의료 영상 등 다양한 분야에서 실시간 처리와 높은 신뢰도를 요구하는 응용에 필수적입니다. 연구실은 이론적 연구와 더불어 실제 시스템 개발, 특허 출원, 산학협력 프로젝트를 통해 연구 성과를 산업계와 사회 전반에 확산시키고 있습니다.
1
NSegment: Label-specific Deformations for Remote Sensing Image Segmentation
Yechan Kim, DongHo Yoon, SooYeon Kim, Moongu Jeon*
IEEE Geoscience and Remote Sensing Letters (GRSL), 1970
2
Resource Efficient Framework for Remote Sensing Visual Recognition
Unse Fatma, Zafran Khan, Yechan Kim, Joonmo Kim, Witold Pedrycz, Moongu Jeon*
IEEE Sensors Journal, 1970
3
An Efficient Uncertainty-driven Learning for Stochastic Super-Resolution
Daeyoung Han, Seongmin Hwang, Hoyeon Ahn*, Moongu Jeon
IEEE Access, 2025.07
2
위성영상에서의 트랜스포머 구조 기반 표적탐지/인식 연구 (과제명: 다중센서 기반 정찰표적 자동인식 기술)
3
인공지능 기반 어린이 독서활동 지원 로봇 및 서비스 콘텐츠 개발
