▶ 단일 이미지를 일반적인 분산 플랫폼에서의 데이터 분할 기준(예: HDFS의 data chunk)에 따라 균등하게 분할하여 저장하게 되면, 분할된 경계면에 걸쳐진 세그멘테이션은 세그멘테이션을 구하는데 필요한 정보가 다수의 노드로 쪼개지기 때문에 기존 이미지 세그멘테이션 방법들을 그대로 적용하는 경우 세그멘테이션 정확도 저하가 발생함 ▶ 정확도 저하를 최소화하기 위해서는 1) 분할된 이미지의 중복을 허용하여 인접한 노드들에 저장하거나, 2) 세그멘테이션을 구하는 과정에서 다른 노드에 저장된 이미지 정보를 전송받아야 함. 그러나, 1)은 데이터 중복저장으로 인한 분산 환경에서의 리소스 낭비를 초래하고, 2)는 네트워크 전송비용으로 인하여 세그멘테이션 처리 효율의 저하를 초래함 ▶ 본 연구에서는 분산 플랫폼에서의 세그멘테이션 정확도 저하의 최소화와 네트워크 전송비용을 포함한 처리시간의 효율성 개선을 목표로 1) 클러스터링 기반 분산 알고리즘 개발, 2) 딥러닝 기반 분산학습 모델 개발을 수행함 연구목표1: 초대용량 이미지의 저장 및 관리를 위한 분산 플랫폼 구축 ◦ 초대용량 이미지 저장을 위한 분산 플랫폼 아키텍쳐 설계 ◦ 세그멘테이션을 고려한 단일 이미지의 분할 저장 방법 개발 연구목표2: 분산 플랫폼 기반 클러스터링 이미지 세그멘테이션 알고리즘 개발 ◦ 분산 플랫폼에서의 클러스터링 기반 이미지 세그멘테이션 알고리즘 개발 ◦ 기존 이미지 세그멘테이션 벤치마크(Neubert and Protzel 2012)에 초대용량 이미지 데이터 집합 추가 정의 ◦ 기존 연구들과 제안한 방법의 성능비교 연구목표3: 분산 플랫폼 기반 클러스터링 이미지 세그멘테이션 알고리즘 개발 ◦ 분산 플랫폼과 이미지 세그멘테이션을 위한 딥러닝 모델의 통합 아키텍쳐 설계 ◦ 분산 플랫폼에 분할 저장된 이미지를 고려한 분산 딥러닝 모델 개발