2022년 04월 25일 (월) 오후 4시

연사: KIST 뇌과학연구소 임매순

제목: 인공 시각 포스핀 이미지 인지 실험 대체를 위한 머신러닝 비교 연구

초록: 인공 망막 장치는 망막 색소 변성 혹은 노인성 황반 변성으로 실명한 환자들에게 인공 시각을 형성할 수 있다. 인공 시각에서는 포스핀이라 일컬어지는 픽셀 수가 제한적이므로 어떻게 복잡한 이미지를 효과적으로 표현하는 지에 대한 연구가 많이 이루어진다. 기존 연구에서는 새롭게 개발한 영상 처리 기법의 효율성 검증을 위해 정상 시력의 사람들을 대상으로 인지 실험을 수행해왔다. 본 연구에서는 저해상도 포스핀 이미지로 변환한 한국인 안면 이미지를 대상으로 여러 머신러닝 기법의 분류 정확도를 계산하고, 사람 대상의 인지 실험 결과와 비교해 보았다. 일반 고해상도 이미지와 달리 저해상도 픽셀 포스핀 이미지에서는 Principal Component Analysis와 같은 전통적 머신러닝 알고리즘이 AlexNet, VGG와 같은  딥러닝 모델보다 좋은 인지 성능을 보였다. 또한, 대부분 머신러닝 모델에서 포스핀 이미지의 그레이 스케일이 4단계 이상일 때는 인지 정확도가 크게 증가하지 않는데, 이는 인공 시각에서 4단계 정도 밝기 구현이 잘 되어도 사람 얼굴을 구분하는 데에 충분할 수 있음을 시사한다. 본 연구 결과는 인간 대상 인지 실험이 연산 능력이 뛰어난 머신러닝으로 대체 가능하여, 새로운 인공 시각 표현 영상 처리 기법의 개발 속도를 향상 시킬 수 있음을 의미한다.