Democratising Camera Trap AI: An Open-Source Model for Detecting UK Mammals

기술 요약: 카메라 트랩 AI의 민주화

문제 제기
카메라 트랩은 생물 다양성 모니터링의 초석이며, 수동 검토 역량을 초과하는 방대한 양의 이미지를 생성한다. 딥러닝이 해결책을 제시해 왔으나, 현재의 지형은 많은 보전 실무자들에게 진입 장념을 형성하고 있다. 기존의 고성능 모델들은 종종 상업적 플랫폼에 묶여 있거나 구독료를 요구하며, 특정 지역의 동물군(예: 영국)과 일치하지 않는 글로벌 데이터셋으로 학습되어 있다. 또한, 범용 모델은 종 수준의 세밀함이 부족하거나 지역적 영상 조건에 최적화되지 않은 경우가 많다. 이는 자원이 풍부한 조직은 자동화된 분석에 접근할 수 있는 반면, 소규모 NGO, 시민 과학 네트워크, 자금이 부족한 법정 기관들은 사용 가능한 종 수준의 AI에 대한 "페이월(paywall)"에 직면하여, 영국의 환경법 2021과 같은 법정 생물 다양성 목표를 달려 나가는 데 어려움을 겪는 불균형을 초래한다.

방법론
저자들은 영국의 생물 다양성에 특화된 오픈 소스 객체 탐지 모델을 개발하였으며, 이를 위해 YOLO26x(extra-large 변형) 아키텍처를 활용하였다. 이 접근 방식은 아키텍처의 참신함보다는 데이터 큐레이션과 실질적인 배포를 우선시한다.

• 데이터셋: 모델은 여러 영국 내 사이트에서 10년 이상 운영된 배포 데이터를 통해 추출된 48,165개의 라벨링된 인스턴스로 구성된 큐레이션된 데이터셋으로 학습되었다. 데이터셋은 31개 클래스를 포함한다:
  • 28개 동물 클래스 (가축 및 반려동물을 포함한 18종의 포유류; 10종의 조류).
  • 2개 유틸리티 클래스 (사람, 교정용 폴/Calibration Pole).
  • 1개 예약 클래스 (자동차, 정의되었으나 데이터는 채워지지 않음).
  • 데이터는 다양한 조건을 포괄한다: 주간 RGB, 적외선 야간 모드, 모션 블러, 부분 폐쇄(occlusion), 다중 동물 프레임 등.
• 데이터 분할: 데이터셋은 클래스 계층화(class-stratified)된 80/10/10 분할(훈련/검증/테스트)을 사용하여 분할되었다. 이를 통해 Curlew chick(274개 인스턴스)이나 교정용 폴(151개 인스턴스)과 같은 희귀 클래스를 포함한 모든 클래스가 모든 분할에 포함되도록 보장한다.
• 학습 설정:
  • 하드웨어: 8개의 NVIDIA RTX A6000 GPU.
  • 하이퍼파라미터: 입력 해상도 640×640, 글로벌 배치 크기 256, 혼합 정밀도(AMP), 120 에포크(epoch).
  • 데이터 증강(Augmentation): 모자이크 증강(110 에포크에서 종료), 수평 뒤집기(0.5), HSV 지터, 무작위 아핀 스케일/이동, RandAugment, 무작위 삭제(random erasing).
  • 최적화: 코사인 학습률 스케줄(비활성화), 초기 학습률 0.01, 모멘텀 0.937, 가중치 감쇠(weight decay) 0.0005.
• 출력 형식: 학습된 가중치는 프레임워크 독립성과 CPU/GPU 추론 런타임(ONNX Runtime, OpenCV DNN, DirectML)과의 호환성을 보장하기 위해 ONNX 형식으로 변환되었다.

주요 기여

1. 오픈 소스 모델 공개: 본 논문은 Creative Commons CC BY-NC 4.0 라이선스 하에 31개 클래스의 영국 포유류 및 조류 탐지기를 위한 학습된 가중치를 공개한다. 이는 상업적 이용을 제한함으로써 향후 상업적 채널을 통해 프로젝트의 발전 자금을 확보할 수 있도록 보호하는 동시에, 비상업적 용도의 보전 작업을 지원하는 것을 명시적 목표로 한다.
2. 실용적 도구: 가중치와 함께 로컬 데스크톱 프로세싱 유틸리티 및 실시간 카메라 지원 스크립트가 제공된다. 이 도구들은 머신러닝 경험이 없는 생태학자들을 위해 설계되었으며, 설치부터 탐지 결과의 CSV 내보내기까지 안내하는 튜토리얼을 특징으로 한다.
3. 지역적 특수성: 비로컬 근연종(congeners)과의 혼동을 겪을 수 있는 글로벌 모델(예: SpeciesNet)과 달리, 이 모델은 영국 생물군과 영상 조건에 명시적으로 튜닝되어 영국 보전 전문가들의 "인-디스트리뷰션(in-distribution)" 성능 격차 문제를 해결한다.
4. 민주화 프레임워크: 이 릴리스는 보전 AI의 상업화에 대한 대응책으로 프레임화되었으며, 비상업적 보전을 위한 고성능 베이스라인은 자유롭게 접근 가능해야 한다고 주장한다.

결과
모델은 동일한 데이터 풀에서 추출된 홀드아웃 검증 세트와 별도의 테스트 세트에서 평가되었다(인-디스트리뷰션 평가).

• 주요 지표 (검증 세트):
  • 정밀도(Precision): 0.988
  • 재현율(Recall): 0.965
  • mAP@0.5: 0.984
  • mAP@0.5:0.95: 0.956
  • F1 점수: 0.98 (신뢰 임계값 0.62에서).
• 클래스별 성능: 테스트 세트에서의 평균 종별 신뢰도는 31개 클래스 전체에서 0.96에서 0.99 사이였다. Curlew chick이나 교정용 폴과 같이 가장 작은 클래스에 대해서도 평균 신뢰도는 0.95 이상을 유지했다.
• 실패 모드: 테스트 세트에서의 미탐지율(false-negative rate)은 **0.17%**였다. 이러한 누락은 야간 원거리 촬영, 심한 폐쇄, 심한 모션 블러와 같은 어려운 조건에 집중되었다. 주목할 점은, 모델이 이러한 시나리오에서 확신을 가진 잘못된 라벨을 내놓기보다 탐지 결과 없음을 출력하는 경향이 있다는 것인데, 이는 보전 워크플로우에서 더 "안전한" 실패 모드이다.
• 학습 역학: 모델은 과적합 없이 깔끔하게 수렴하였으며, 검증 손실(validation loss)은 상승하지 않고 평탄해졌다. 대부분의 성능 향상은 50 에포크까지 발생하였으며, 이후의 에포크는 주로 국소화 정확도(mAP@0.5:0.95)를 정교화하는 데 기여하였다.

의의 및 주장
본 논문은 이 릴리스를 컴퓨터 비전의 방법론적 돌파구가 아니라, 실질적인 기여로서 위치시킨다(아키텍처는 기성 제품임).

• 접근성: 저자들은 이 릴리스를 통해 머신러닝 인력이 없고 GPU 접근 권한이 없는 제한된 자원의 조직들도 일반 노트북을 사용하여 오프라인에서 종 수준의 탐지를 수행할 수 있다고 주장한다.
• 투명성: 가중치, 설정 파일, 학습 데이터 사양을 공개함으로써, 모델은 "블랙박스" 형태의 SaaS 솔루션과 대조되는 검사 및 감사 가능성을 갖는다.
• 격차 해소: 글로벌 모델이 존재하지만, 튜닝된 영국 특화 종 수준 탐지기의 부재가 실무자들을 유료 서비스로 내몰고 있다고 논문은 주장한다. 이 릴리스는 그 특정 간극을 메우는 것을 목표로 한다.
• 향 향후 방향: 저자들은 인-디스트리뷰션 지표가 완전히 새로운 사이트나 카메라 모델에서의 성능을 보장하지는 않는다는 점을 인정한다. 이들은 라벨링된 교차 사이트 벤치마크를 구축하는 것이 다음 단계의 핵심 과제라고 식별하였다. 이 릴리스는 지역별 모델 시리즈의 첫 단계로 의도되었으며, 현재 사하라 이남 아프리카 모델이 준비 중이다.

논문은 이러한 오픈 릴리스의 누적된 혜택이 상업적 페이월을 감당하기 가장 어려운, 생물 다양성 위험이 높은 저자원 지역에 가장 크다고 결론짓는다.