아직 더위가 가시지 않은 8월, 서울대학교 연합전공 인공지능반도체공학과 차세대반도체 혁신공유대학에서 주관하는 2023년 대학생 Deep Learning 기반 무인 판매대 상품인식 인공지능 경진대회에서 최우수상을 받은 딥텍션 팀을 만나보았다. 대회는 무인 판매대에 배치된 상품을 다양한 각도에서 촬영한 이미지를 활용하여 재고의 효율적 관리를 위해 제작한 Deep Neural Network 결과를 평가하고, 아이디어 및 발표를 하는 것으로 진행되었다.

딥텍션 팀은 바이오시스템공학 전공인 19학번 강민수, 유승연, 이시운 학생으로 구성되었다. 팀의 이름인 ‘딥텍션’은 대회의 목표와 관련 있는 ‘deep learning’과 ‘detection’의 합성어로 정하였다. 강민수 학생은 현재 공과대학의 기계공학을 복수전공으로 공부하고 있으며 특히 반응성 유동 분야에도 관심을 지니고 있다. 딥텍션 팀에서는 데이터셋 생성 작업과 알고리즘 설계 업무를 주도해 맡은 바 있다. 이시운 학생은 바이오 센서와 반도체에 대한 깊은 관심이 있어, 대회에서 알고리즘 설계와 인공지능에 들어가는 임계값 설정을 담당했다. 또한, 알고리즘이 얼마나 잘 작동하는지를 평가하고 강민수 학생과 함께 대회의 최종 발표를 맡아 수행했다. 유승연 학생은 컴퓨터 공학과 경영학을 복수전공하면서 인공지능과 생명정보학에 흥미를 보였다. 딥텍션 팀에서는 YOLOv5를 활용하여 데이터 트레이닝 작업과 알고리즘 설계, threshold 값을 설정하는 역할을 맡았다.

딥텍션 팀은 이번 대회에서 주어진 과제를 성공적으로 수행하기 위해 다양한 전략을 구사하였다. 첫 번째로, 팀은 YOLOv5를 사용하여 딥러닝 모델을 개발하였다. YOLOv5 모델은 이미지를 효과적으로 인식하고 상품을 판별하는 역할을 하였는데, 딥텍션 팀은 기존의 YOLOv3보다 성능이 향상된 YOLOv5를 사용하여 더 정확한 결과를 얻을 수 있었다고 밝혔다. 두 번째로, 병렬적인 detection을 구현하는 데 주력하였다. 무인 판매대의 경우 여러 사람이 지나가더라도 실시간으로 판단이 이뤄져야 하는데, 이를 위해 다섯 개의 영상을 한 번에 병렬적으로 처리할 수 있는 방식을 도입하였다. 이와 같은 노력과 더불어 딥텍션 팀은 데이터 학습에도 많은 시간을 투자하였다. 대회 주최 측에서 제공한 약 20만 장의 데이터 외에도 추가 데이터를 생성하고 모델 학습을 진행하여 정확도를 향상하는 데 큰 노력을 기울였다. 마지막으로, 대회의 목표 달성에 있어 임계값 설정이 중요한 역할을 하였는데, 딥텍션 팀은 분석할 프레임 수와 물체의 출입을 인식하는 임계값들을 조정하면서 정확한 결과를 도출해내는 값들을 찾았다. 다양한 전략과 팀원 간의 협력으로 딥텍션 팀은 대회에서 좋은 성과를 달성하였다. 특히, 병렬적인 detection과 임계값 설정의 적절한 활용은 다른 참가팀과 차별화된 결과를 끌어냈다.

대회와 관련한 소감 질문에 딥텍션 팀은 경험을 쌓고자 참가하였던 대회에서 최우수상을 받는 쾌거를 이뤄 감사하다고 밝혔다. 강의에서 학습했던 내용을 활용할 기회가 적었는데 해당 대회를 통해 팀원들과 시너지 효과를 발휘해 목표를 달성했다는 점이 뜻깊었다는 점을 덧붙였다. 딥텍션 팀은 농업생명과학대학 학우들에게 다양한 경험을 함으로써 자신의 분야를 찾기를 바란다며 본인의 흥미와 재능을 찾을 수 있기를 바란다고 밝혔다.