북한 김책공업종합대학이 6월 16일 홈페이지를 통해 김순일 금속공학부 연구사가 심층신경망(딥러닝)을 이용해 무정형체검출의 속도와 검출률을 높이기 위한 검출체계를 구성하고 그 성능을 평가했다고 소개했다. 

심층신경망은 객체검출에서 높은 속도와 검출률을 보장하고 있는 YOLOv4에 기초해 무정형체검출에 알맞게 구성했다고 한다.

대학은 심층신경망(DNN)이 뇌의 생물학적 구조와 기능을 기계적으로 모방한 알고리즘을 취급하는 인공지능(AI)에서 핵심적인 자리를 차지하고 있는 중점 분야라고 설명했다. 심층학습모형은 수많은 신경세포들과 활성화 함수, 최량화 알고리즘, 자료추가 도구 등으로 이뤄져 있다는 것이다.

대학은 인공신경망에 기초한 심층학습은 화상과 음성, 본문, 언어번역 등과 같은 복잡한 자료들을 모형화, 분류, 인식하는데 아주 적합하다고 소개했다. 그러나 심층신경망을 이용하자면 많은 학습자료가 필요하다며 실례로 개인정보들을 식별하자면 매 사람의 사진과 목소리를 수많이 기록해놓고 학습시켜야 한다고 지적했다. 많은 자료에 대한 학습을 진행하기 때문에 계산량이 방대하며 따라서 세계적으로는 인터넷에 연결된 컴퓨터들에 분산시켜 계산하든가 아니면 GPU를 내장하고 있는 성능 높은 컴퓨터들을 이용한다는 것이다.

김순일 연구사는 전산자원과 학습데이터가 부족한 상황을 보완하기 위해 이 연구를 한 것으로 보인다.

대학이 언급한 YOLO는 You Only Look Once를 뜻하는 실시간 객체 검출 기술로 2015년 조셉 레드몬에 의해 처음 소개됐다고 한다. 딥러닝 모델을 기반으로 특징을 추출한 후 이를 이용해서 물체의 종류와 위치를 파악, 분류하는 것이다. 이후 여러 버전이 나왔다고 한다.

그중 북한이 언급한 YOLOv4은 2020년 알렉세이 보흐코브스키가 개발했다고 한다. YOLOv4는 기존 그래픽 처리 장치(GPU)에서도 작동하기 때문에 상대적으로 저렴한 가격으로 사용할 수 있다고 한다.

김순일 연구사는 표준 YOLOv4에서 이용하던 K-평균무리화방법을 이용하려는 자료기지(DB)에 알맞게 개조해 검출률을 높였다고 한다. 제안된 심층신경망에 의한 검출률은 98%이였으며 한 프레임의 화상을 처리하는데 0.04s를 보장해 검출정확성과 실시간성을 보장했다고 대학은 설명했다.

북한 연구진은 자신들의 사용 환경에 접합한 AI 기술을 찾고 연구하는데 집중하고 있는 것으로 보인다.

* 독자님들의 뉴스레터 신청(<-여기를 눌러 주세요)이 NK경제에 큰 힘이 됩니다. 많은 신청 부탁드립니다.