멀티스펙트럴 보행자 탐지에서 희소 라벨 학습 및 의사라벨 품질 향상 연구

Improving Pseudo-label Quality for Sparsely Annotated Multispectral Pedestrian Detection

연구 내용

멀티스펙트럴 환경에서 보행자 라벨이 희소할 때 의사라벨 품질을 향상시키고 학습 범위를 확장하는 프레임워크를 개발하는 연구

멀티스펙트럴 도메인에서 일부 보행자만 주석된 희소 라벨 상황을 대상으로 학습 효율과 일반화 성능을 동시에 다룹니다. Sparsely Annotated Multispectral Pedestrian Detection(SAMPD) 프레임워크에서 Multispectral Pedestrian-aware Adaptive Weight(MPAW)와 Positive Pseudo-label Enhancement(PPE)를 통해 누락 라벨 영역의 의사라벨 품질을 높이고, 모달리티 특성에 따라 가중치를 조정하여 안정적인 학습을 유도합니다. 또한 Adaptive Pedestrian Retrieval Augmentation(APRA)로 지면 진실 기반 패치를 적응적으로 보강하고, 고품질 의사라벨을 ground-truth와 동적으로 통합해 다양한 시각 외형을 학습 풀에 포함시킵니다. 이를 딜리버리 로봇의 상황 인식 및 군중 안전 관련 응용과 연계할 수 있습니다.

관련 프로젝트

3건

연구 흐름

초기에는 희소 라벨 환경에서 의사라벨이 갖는 품질 불균형과 고정된 ground truth 의존이 학습 범위를 제한한다는 문제를 정리했습니다. 이후 멀티스펙트럴 특성을 반영한 적응 가중치(MPAW)와 양성 의사라벨 강화(PPE)로 누락 영역의 학습 신뢰도를 높이는 구성을 제안했습니다. 동시에 APRA로 보행자 패치 보강과 의사라벨 통합을 동적으로 수행하여 다양한 외형에 대한 학습 풀을 확장했습니다. 최근 성과는 딜리버리 로봇의 AI 기반 상황 인식 및 원격 지원 프로젝트와 특허 기반 로봇 팔·센서 구성으로 이어질 수 있는 구조적 연결을 형성했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

멀티스펙트럴 객체 탐지 파이프라인
희소 라벨 학습 전략
의사라벨 품질 향상 모듈
적응형 retrieval 증강 모듈
보행자 안전 인식 고도화
딜리버리 로봇 상황 인식
군중 밀집 환경 탐지 성능 개선
원격 지원 영상 분석
센서 기반 로봇 자율 주행 보조
원천 데이터 기반 모델 재학습 체계