안녕하세요. 고려대학교 DSBA 연구실 석사과정 유초롱 입니다. 한국데이터마이닝학회 춘계학술대회에 참석한 내용을 정리하여 보고자 합니다.

[R-CNN based pose estimation using motion-context attention]

 기존의 pose estimation이 한 사람의 포즈를 추정하는 것은 비교적 잘 수행하는 반면 필요 리소스가 많아 환경에 영향을 받는 점 (예: 모바일에서 수행이 어려움)을 개선하기 위해, 이전 동작으로부터 다음 동작을 추정하는 방법을 시도한 연구였습니다. 거기에 더해 이 아이디어를 확장하여 3D pose estimation에서 일반적으로 관절 부위를 classification한 뒤 좌표값을 추정하는 방식을 개선하여 이전에 추정한 결과를 기반으로 classification을 생략하고 좌표값을 regression하는 연구도 인상적이었습니다.

[Faster R-CNN을 이용한 태풍 중심 위치 및 강도 산출 모델 개발/ 합성곱 순환 신경망을 활용한 태풍의 최대풍속 산출]

 이번 학회에서 태풍에 관련된 두 개의 연구 내용을 들었습니다. 먼저 Faster R-CNN을 이용한 연구는 기존의 태풍 중심 및 타입 결정 시 분석가의 주관이 반영되는 점을 보완하는 것을 목표로, 4개의 위성채널 데이터를 입력하여 태풍의 강도 및 중심 위치의 위도-경도 좌표를 출력하는 모델을 구축하였습니다. 결과 다중채널을 사용한 모델의 경우 단일채널 모델 대비 성능이 우수하였지만, 전처리 과정에서 영역좌표 라벨을 만들기 위해 전문가의 domain knowledge의 도움을 받아 bounding box를 생성한다는 점에서 연구 배경에서 언급된 전문과의 주관 배제가 완전히 이루어지기는 아직 어려운 것 같았습니다.

 합성곱 순환 신경망을 활용한 태풍의 최대풍속 산출 연구는 태풍의 정확한 강도 예측에 초점을 맞춰 풍속 기준 8개의 클래스를 분류하는 Convolutional Recurrent Neural Network 모델을 구축하였습니다. 총 5개의 위성 채널 데이터 중 가시 채널을 제외한 4개를 각각 사용하였고, 상기 연구와 같이 전처리 과정에서 국가기상위성센터와 협의하여 태풍에 해당하는 bounding box를 cropping하여 입력 데이터를 구축하였습니다. 모델은 이미지만을 대상으로 한 CNN(ResNet)과 이미지에 시간 경과를 반영한 CNN + LSTM을 각각 구축하여 성능을 비교하였고 후자에 수증기 채널 데이터를 적용한 모델의 성능이 가장 우수하게 나타났습니다. 해당 과정에서 4개 채널 정보를 모두 사용하는 것도 시도해 보았으나 오히려 개별 채널 데이터를 적용하는 것보다 성능이 좋지 않았다는 점이 흥미로웠습니다.

[인천공항 트렌드 분석 엔진 연구 및 주요 키워드 감성 분석]

 인천국제공항공사 공항연구소에서 자체적으로 수행한 연구 내용을 발표하였습니다. 실제 기업에서 1년간 관련 키워드를 수집하고 체계적으로 분석을 시도했다는 점 자체가 먼저 눈길을 끌었습니다. 수업을 통해 배운 텍스트 마이닝 기법들을 기업에서 어떤 형태로 구현하고 이를 통해 현업에 도움이 되는 인사이트를 제공할 수 있을지에 대한 아이디어를 얻을 수 있었습니다. 특히 연구를 잘 수행하는 것뿐 아니라 그 결과물을 이해하기 쉽고 직관적으로 전달하기 위한 시각화도 중요하다는 것을 느낄 수 있었습니다.

[자소를 이용한 음절 벡터 생성 및 합성곱 신경망 기반 감성 분석]

 기존 감성 분석이 형태소 단위로서 한국어에 적용하기에는 여러 점에서 어렵다는 문제를 개선하기 위해 자소 단위로 음절을 표현하여 감성분석을 수행하는 모델에 대해 연구한 내용이었습니다. 음절 벡터를 생성할 때 초성, 중성, 종성으로 입력 값의 구조를 3채널로 구성하는 방식을 취할 경우 특히 초성어, 유행어 및 이모티콘 등에 대응하기 유용할 수 있겠다는 생각이 들었습니다.

[Occlusion을 적용한 domain-specific 감성 사전 자동 생성에 관한 연구]

 일반적인 감성사전이 작성 과정에 들어가는 시간과 비용이 많고 주관성의 개입이 심하며, 새로운 단어가 등장할 때마다 새롭게 업데이트 해줘야 하는 등의 한계를 극복하기 위하여, 이미지의 일부를 가림으로써 이미지를 인식할 때 어떤 부분이 제일 중요할지 판단하는 occlusion의 방법론을 적용하여 자동으로 감성 사전을 만들어내는 방법론에 대한 연구였습니다. 어떤 문장에 있는 단어에 occlusion을 적용했을 때와 그렇지 않았을 때의 문장에 대한 모델 출력값의 차이를 통해 해당 단어의 감성 수치를 정량화된 값으로 표현한다는 아이디어가 매우 흥미로웠고, 상당히 많은 분야에서 유용하게 활용될 수 있을 것 같다고 생각했습니다.