SSDT-YOLO: An Underwater Object Detection Framework for Efficient Small-Target Recognition in Complex Environments

해수면 아래의 세상은 변화하는 빛과 숨겨진 디테일이 가득한 곳입니다. 과학자와 엔지니어들에게 이 환경에서 명확하게 보는 것은 지속적인 과제입니다. 물은 색을 흡수하고 빛을 산란시켜 장면을 탁하게 만들며, 이미지를 포착하는 행위 자체가 왜곡을 유발할 수 있습니다. 이러한 조건에서는 모래 위에 놓인 해삼이나 바위에 붙어 있는 불가사리 같은 작은 물체를 찾는 것이 인간의 눈과 표준 카메라 모두에게 매우 어렵습니다. 바로 이 지점에서 카메라를 통해 기계가 "보는" 법을 가르치는 분야인 컴퓨터 비전이 등장합니다. 컴퓨터가 정해진 규칙을 따르는 대신 방대한 양의 데이터로부터 패턴을 학습하는 방법인 딥러닝을 사용함으로써, 기계는 흐릿하거나 어둡거나 혹은 밀집되어 있는 상황에서도 물체를 인식하도록 훈련될 수 있습니다. 이러한 능력은 해양 생태계를 모니터링하고, 어업을 관리하며, 인간에게 너무 위험하거나 지루한 작업을 수행하는 수중 로봇을 안내하는 데 필수적입니다.

이러한 발전에도 불구하고, 기존의 컴퓨터 비전 시스템은 심해의 특수한 혼돈에 직면했을 때 종종 어려움을 겪습니다. 특히 조명이 좋지 않을 때 작은 목표물을 놓치거나 배경과 구별하지 못하는 경우가 빈번합니다. 이를 해결하기 위해 후난 과학기술대학교의 차오양 첸(Chaoyang Chen)과 그의 연구팀은 SSDT-YOLO라고 불리는 새로운 시스템을 개발했습니다. 이 프레임워크는 복잡한 수중 환경에서 저서 생물(해저에 사는 생물)을 포착하기 위해 특별히 설계되었습니다. 연구팀은 이미 일반적인 작업에서 속도와 정확성으로 유명한 강력한 기존 탐지 모델인 YOLOv8에서 시작했습니다. 그러나 그들은 이 표준 모델이 어둡고 왜곡된 환경에서 미세한 디alis를 포착해야 하는 것과 같은 수중 세계의 독특한 어려움에 최적화되어 있지 않다는 점을 인식했습니다.

연구진은 시스템을 더 민감하고 효율적으로 만들기 위해 네 가지 핵심 영역에 집중하여 내부부터 다시 구축하는 방식으로 문제에 접근했습니다. 첫째, 이미지를 처음에 스캔하는 역할을 담당하는 시스템의 핵심인 "백본(backbone)"을 TEfficientNet이라는 새로운 구조로 교체했습니다. 이 새로운 백본은 수중에서 발견되는 불균일한 조명을 처리하는 데 더 뛰어나며, 시스템이 처음부터 더 선명한 특징을 추출할 수 있게 해줍니다. 둘째, 이미지가 처리되는 동안 작은 물체가 소실되거나 흐려지지 않도록 하기 위해, 표준 처리 레이어를 공간 보존 깊이 합성곱(Spatial-Preserving Depth Convolution)이라는 특수 기술로 교체했습니다. 이 방법은 미세한 목표물의 디테일을 온전히 유지하는 세심한 필터처럼 작용하여, 주변 물의 노이즈 속으로 사라지는 것을 방지합니다. 셋째, 연구팀은 정보의 여러 레이어가 결합되는 네트워크의 중간 섹션을 재구성했습니다. 그들은 C2f-Dual이라는 새로운 모듈을 도입하여 시스템이 이러한 디테일을 융합하는 방식을 간소화했습니다. 이 변화는 컴퓨터가 수행해야 하는 계산량을 크게 줄여, 시각 능력을 희생하지 않으면서도 시스템을 더 가볍고 빠르게 만들었습니다. 마지막으로, 시스템이 이미지의 가장 중요한 부분에 집중할 수 있도록 돕기 위해 공간 및 채널 시너지 주의(Spatial and Channel Synergistic Attention) 메커니즘을 추가했습니다. 이는 스포트라이트처럼 작용하여, 컴퓨터가 무관한 배경의 혼란을 무시하면서도 작은 생물들이 밀집해 있을 가능성이 높은 특정 영역으로 주의를 돌리도록 유도합니다.

이러한 변화의 결과는 약 8,000장의 사진을 포함한 하나의 대규모 수중 이미지 집합과 4,700장이 넘는 또 다른 집합을 통해 테스트되었습니다. 새로운 SSDT-YOLO 시스템은 매우 효과적인 것으로 증명되었습니다. 이 시스템은 첫 번째 데이터셋에서 84.9%, 두 번째 데이터셋에서 83.0%의 성공률로 해양 생물을 정확하게 식별하고 위치를 찾아냈으며, 이는 기존의 YOLOv8 모델과 여러 선도적인 탐지 시스템들을 능가하는 성과였습니다. 아마도 똑같이 중요한 점은, 새 모델이 훨씬 더 효율적이라는 것입니다. 이 모델은 베이스라인 모델이 사용하는 310만 개의 파라미터에 비해 약 200만 개의 파라미터만을 사용하여 계산 자원을 현저히 적게 사용합니다. 이러한 크기 감소 덕분에 시스템은 초당 214.8 프레임의 속도로 실행될 수 있으며, 이는 매 초에 200장 이상의 이미지를 처리할 수 있음을 의미합니다. 이 속도는 샘플을 수집하거나 지연 없이 산호초를 모니터링하는 수중 로봇을 안내하는 것과 같은 실시간 응용 분야에서 매우 중요합니다.

이 시스템이 중요한 진전을 나타내기는 하지만, 연구진은 이것이 모든 가능한 시나리오에 대한 완벽한 해결책은 아니라는 점을 인정합니다. 물체가 퇴적물에 의해 심하게 가려지거나 극단적인 조명 조건이 있는 경우, 시스템은 여전히 가끔 목표물을 놓칩니다. 또한, 새로운 설계는 수학적 연산 측면에서 다소 더 높은 수준의 원천 컴퓨팅 파워를 요구하는데, 이는 연구팀이 향후 연구에서 최적화하고자 노력 중인 트레이드오프(trade-off)입니다. 그럼에도 불구하고, 이 연구는 컴퓨터 비전 모델을 수중 세계의 특정한 물리적 현실에 맞춰 세심하게 조정함으로써, 매우 정확하면서도 실시간으로 작동할 만큼 빠른 도구를 만드는 것이 가능하다는 것을 보여줍니다. 이러한 발전은 과학자와 환경 보호론자들이 해저의 숨겨진 생명체를 더 잘 이해하고 보호할 수 있도록 돕는, 더 자율적이고 효과적인 해양 탐사를 위한 유망한 길을 제시합니다.