brunch

매거진 AI

You can make anything
by writing

C.S.Lewis

[카카오AI리포트]ICCV 2017 참관기

카카오 | 이주영, 노명철

세계에서 가장 오래된 국제 영화제가 열리는 곳이자, 가장 아름다운 관광 도시 중 하나로 꼽히는 이탈리아 베니스에서 ICCV 2017(국제컴퓨터비전학회, international conference on computer vision, ICCV)이 개최되었다.

ICCV는 CVPR(컴퓨터비전 및 패턴인식 학회, conference on computer vision and pattern recognition)과 함께 컴퓨터 비전 분야에서 가장 권위있는 학회로 꼽힌다. 1987년 영국 런던에서 첫 학회가 열렸고, 1~3년을 주기로 진행되다가 1999년부터 2년에 한 번씩 개최되고 있다. 전기전자공학 분야의 최대 기술 조직인 IEEE(전기 전자 기술자 협회, institute of electrical and electronics engineers)가 주최하는 학회로서, 발표 논문으로 채택되는 것은 매우 어렵다.


[카카오 AI 리포트] Vol. 8 (2017년 11월 호)은 다음 내용으로 구성되어 있습니다. 


[1] AI in Kakao - 기계번역기의 A to Z, 그리고 카카오의 기계번역

01. 김미훈 : 기계번역기의 역사와 발전

02. 배재경 : 신경망 번역 모델의 진화 과정

03. 오형석 : 카카오 번역기가 양질의 대규모 학습 데이터를 확보하는 방법


[2] hot topic - 카카오미니와 제프리 힌튼 그리고 ICCV

04. 조희주, 김수형 : 카카오미니는 어떻게 스무고개 정답을 맞출까

05. 이수경, 강종호 : 제프리 힌튼의 캡슐망을 풀이하다

06. 이주영, 노명철 : ICCV 2017 참관기 


[3] AI & media art - 예술에 인공지능을 묻다

07. 송호준 : 예술이 AI를 바라보는 시선

08. 최승준 : X의 목적은 통찰이지 Y가 아니다


[4] exercise - 슈퍼마리오 그리고 GAN: 두번째 이야기

09. 송호연 : 강화학습으로 풀어보는 슈퍼마리오 part2.

10. Do you know GAN: (2/2)


[05] information 

11. 석/박사생을 위한 카카오의 상시 연구지원 프로그램


[카카오 AI 리포트] Vol. 8 전체글 다운받기 

[카카오 AI 리포트] Vol. 8_06 다운받기 



컴퓨터 비전의 가장 권위있는 학회, 2017 ICCV를 다녀오다

최근 개최된 CVPR*1과 유사하게 ICCV 역시 딥러닝의 인기에 힘입어 양적 확장이 눈에 띄었다. 수치적으로 비교해 보면, 2009년에서 2015년까지 1100~1400여명이 참석하던 것에 비해 이번에는 무려 3100명이 넘는 많은 사람이 참석을 했다. 그 외 투고되는 논문 편수나 협찬 기업의 수 등 많은 면에서 증가가 있었다.

[ 그림 1 ] ICCV의 양적확장(2015, 2017 비교)*2

국내 연구자들의 ICCV에 대한 기여는 큰 것으로 확인되고 있다. 한국은 무려 230여명이 참석해 4번째로 참석  인원이 많은 국가였다. 또한 구체적인 수치가 공개되지는 않았으나, 논문 제출 상위 연구기관에 KAIST(한국과학기술원)와 서울대학교가 이름을 올리는 등 양과 질 두 측면 모두에서 ICCV에 많은 기여를 하고 있음이 확인 가능했다. 이는 국내에서 컴퓨터 비전을 연구하고 있는 대학원 또는 기업의 연구소 수는 상대적으로 적지만, 연구진의 수준은 결코 낮은 편이 아님을 방증한다. ICCV에 다녀온 뒤 느낀 몇가지 생각과 Best Paper로 선정된 논문들을 정리해 보았다.


트렌드를 따라가는데 기본이 되는 튜토리얼(tutorial)

학회 튜토리얼(tutorial)이 상당히 알찬 경우가 많다. ICCV의 경우 GAN(generative adversarial network)이라던가 Instance-level Visual Recognition 등의 주제로 다양한 튜토리얼이 열렸다. 각 튜토리얼은 가장 기본이 되는 논문부터 본 학회에서 발표될 가장 최근의 논문 소개까지 진행됐다. 이러한 튜토리얼은 개별 주제에 익숙하지 않은 연구자라고 하더라도, 최근의 논문을 이해하는데 큰 도움을 줄 것으로 생각됐다. 특히, 각각의 알고리듬을 제안한 저자의 직강을 듣고 질문할 수 있는 프로그램의 경우 잘 알고 있는 분야라고 하더라도 한번 더 확인하는 계기가 됐다. 다른 사람들에게 가장 추천하고 싶은 시간이다.


핵심을 짚어주는 스포트라이트

CVPR 2016에서 처음 접했던 스포트라이트(spotlight)가 ICCV에도 적용이 되었다. 스포트라이트는 포스터 세션(poster session)에 발표될 논문 중 일부에 대해 짧게 핵심만 짚어주는 시간이다. 발표된 논문에 대해 질문을 할 때 알고리듬 설명을 되묻지 않고 바로 질문을 하거나 관심있는 논문을 선별하는데 많은 도움을 주었다.오랄 세션(oral session)이 1회부터 9회까지의 직관하는 야구경기라면, 스포트라이트는 스포츠 뉴스처럼 승부처만 요약해서 보는 야구 경기 같은 느낌이었다.


단 한가지 아쉬운 점

아쉬운 점을 딱 한가지 뽑자면, 학회에서 발표되는 논문이 이미arXiv 를 통해 수 개월, 길게는 수 년 전에 공개되다 보니, 종종 본인 발표 마지막에 추가 연구를 진행한 새 논문의 arXiv 주소를 공개하는 경우가 있었다는 점이다. 최신 논문이 더 이상 최신 논문이 아니다 라는 생각이 들었고, 이미 알고 있는 내용이다 보니 흥미가 떨어지는 순간도 있었다. 이러한 문제는 ICCV 뿐만 아니라 CVPR이나 타 학회 발표 역시 갖고 있다. arXiv를 통한 선공개는 분명 장점이 더 많지만, 이러한 단점에 대한 보완책이 미비하다는 점 또한 아쉬웠다.


최우수 논문 소개

1) Best Student Paper: Focal Loss for Dense Object Detection

딥러닝 기반의 검출기는 크게 Fast/Faster R-CNN*3*4처럼 후보 영역을 검출하고 후보 영역에서 정확한 bounding box와 카테고리를 구별하는 2-stage 검출기와, YoLo*5, SSD*6처럼 한 번에 bounding box와 카테고리를 구별을 하는 1-stage검출기로 구별된다. [그림 2]를 보면 2-stage 검출기(A, B, C, D,E, F)는 상대적으로 느리지만, 더 정확한 성능을 보이고 1-stage 검출기(G)는 반대로 매우 빠르지만 다소 부족한 성능을 보인다.

 

[ 그림 2 ] 실행 시간과 성능 비교 그림*7


이러한 결과는 쉽게 구별되는 객체가 아닌 영역(background)이 객체 영역보다 매우 많이 학습에 참여하게 되어 발생하는 것으로 간주된다. 이를 해결하기 위해 새로운 손실 함수(loss function)를 제안했다. 새로 제안하는 손실 함수는 잘 분류되는 예제는 손실(loss)이 적게 발생해 [그림 3]과 같은 특징을 가지도록 디자인 되었고, 검출 결과에서 좋은 성능을 보였다. 문제로 가정했던 것이 맞았음이 실험적으로 증명된 것이다.


[ 그림 3 ] 확률 값과 loss 사이의 관계 그래프*8

흥미로웠던 점은 객체 검출에서 성능을 높히기 위해 현재 알고리듬이 구별하기 어려워하는 대상을 학습에 더 많이 참여시키는 방법(online hard example mining, OHEM*9) 보다도 더 높은 정확도를 보였다는 점이다.


2) 최우수 논문: Mask R-CNN

최우수 논문은 객체 검출(object detection)과 instance segemantation을 다룬 ResNet을 처음 제안한 카이밍 허(Kaiming He), 사람 검출 알고리듬의 전문가 피오트 달라(PiotrDollar), Fast(er) R-CNN 을 제안한 로스 걸식(Ross Girshick) 등이 참여한 Mask R-CNN 이었다. 쟁쟁한 저자들이 공동 작업한 논문이기에 저자들의 명성만으로도 충분히 좋은 논문이 나올것 같았다. 이 논문은 특히 쉽고 단순한 방법으로 instance segmentation 알고리듬을 제안했다. 기존에 객체 검출에서 높은 성능을 보인 Faster R-CNN*10 의 네트워크 구조 [그림 4]에 instance segmentation task를 담당하는 분기(branch)를 추가하였고, 이렇게 새롭게 제안한 네트워크는 COCO 2016 challenge 에서 1등을 하여, 우수함을 증명하였다.

[ 그림 4 ] Mask R-CNN 구조

"Simple Is the Best"라는 표현이 더 잘 어울리는 논문은 없을 것이란 생각이 들만큼, 단순하고 정확한 결과를 보인 알고리듬이라 개인적으로 매우 관심이 가는 논문이다. [그림 5]참고

[ 그림 5 ] Mask R-CNN 결과

정리하며

학회에 참석하고 나면, 하고 있는 연구와 업무에 더 집중할 수 있고 스스로를 되짚어 보게 되어 항상 좋은 느낌을 받았던 것 같다. 더군다나 2년 뒤에 열리는 ICCV는 대한민국 서울에서 개최될 예정이라고 하니 마음 한구석으로 학회장 어느 한 곳에서 내가 발표를 하게 된다면 어떨까? 라는 상상까지 하게 되었다.

 마지막으로, 인공지능 관련 인재 영입을 위해 학회를 찾아온 패션 기업이나 VR, AR 체험 부스 등 이전의 머신러닝 학회에서는 볼 수 없었던 기업들의 참여 모습도 인상적이었다. 또 딥러닝의 시대로 넘어오면서 데이터의 양이 이전 보다 훨씬 중요하게 되었는데, 이러한 데이터의 분류, 마킹(marking)을 대신 해주는 회사들도 부스를 차리고 나와 있었다. 딥러닝이 얼마나 학회와 산업계에 큰 영향을 미치고 있는지를 알 수 있는 부분이었다. 이 딥러닝 기술이 언제까지 지속될지, 또 다른 새로운 기술은 언제 나타날지 벌써부터 궁금해진다.



글 | 이주영 michael.lee@kakaocorp.com


대학원을 졸업하고 9년여의 시간을 컴퓨터비전 관련해서 회사에서 연구/개발 업무를 해왔지만, AI 리포트에 기고할 때마다, 실수한건 없을까 싶어 항상 긴장하게 되는 것 같습니다. 다음에 기고할 기회가 주어진다면, 참관기가 아닌 제 논문에 대한 이야기를 다룰 수 있게 되기를 기대합니다.


글 | 노명철 joshua.roh@kakaocorp.com


오랜만에 참석하는 권위있고 큰 학회였습니다. 많은 논문들이 발표돼 부지런히 돌아 다녔는데, 시차 때문인지 체력적으로는 너무 힘든 학회였습니다. 대부분의 논문 내용들은 인터넷을 통해 검색할 수 있는 시대이지만 전체적인 추세나 분위기의 경우 학회장에 참석하지 않고는 알기 힘듬을 다시 한번 느끼며, 견문을 넓힐 수 있었던 좋은 기회 였다 생각합니다.





참고문헌

*1 참고 | https://brunch.co.kr/@kakao-it/143

*2 참고 | http://iccv2017.thecvf.com/files/OpeningICCV17.pdf 

*3 논문 | Ren, S., He, K. & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection withRegion Proposal Networks, doi : arXiv:1506.01497. 

*4 논문 | Redmon, J., Divvala, S., Girshick, R. &Farhadi, A. (2016)You Only Look Once: Unified, Real-Time Object Detection, doi : arXiv:1506.02640 

*5논문 | Redmon, J., Divvala, S., Girshick, R. & Farhadi, A. (2016)You Only Look Once: Unified, Real-TimeObject Detection, doi : arXiv:1506.02640 

*6 논문 | Liu, W. et. al. (2016). SSD: Single Shot MultiBoxDetector, doi : arXiv:1512.02325 

*7 논문 | Lin, T., Goyal, P., Girshick, R., He, K. & Dollar, P. (2017). FocalLoss for Dense Object Detection, doi : arXiv:1708.02002 

*8 논문 | Lin, T., Goyal, P., Girshick, R., He, K.& Dollar, P. (2017). Focal Loss for Dense Object Detection, doi : arXiv:1708.02002 

*9 논문 | Shrivastava,A., Gupta, A., & Girshick, R. (2016). Training Region-based Object Detectors with Online Hard ExampleMining, doi : arXiv:1604.03540 

*10 논문 | Redmon, J., Divavala, S., Girshick, R. & Farhadi, A. (2016) YouOnly Look Once: Unified, Real-Time Object Detection, doi : arXiv:1506.02640


*썸네일 출처 : He, K., Gkioxari, G., Dollar, P. & Girshick, R. (2017). Mask R-CNN. doi : arXiv:1703.06870 


카카오에서 인공지능 우수 인재들을 위해 준비한 프로그램을 소개하며 글을 마칩니다. 

11. 석/박사생을 위한 카카오의 상시 연구지원 프로그램

매거진의 이전글 [카카오AI리포트]Do you know GAN? 2/2
작품 선택
키워드 선택 0 / 3 0
댓글여부
afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari