Update : 2018.11.14 수 20:29
시작페이지로 설정즐겨찾기 추가
 
> 뉴스 > 학술·연구 | 연구
     
합성 곱 신경망 기술이 이미지를 복원하는 근본적인 원리 밝혀내
이미지 처리 분야에서 딥 러닝이 우수한 성능 보였지만 정확한 원리 밝혀내지 못해 … 수학적 복원 이론과 동일한 원리임을 증명해
[452호] 2018년 09월 18일 (화) 박종건 기자 panyaang99@kaist.ac.kr

 바이오및뇌공학과 예종철 교수 연구팀이 딥 러닝 기반 이미지 복원 과정의 수학적 원리를 규명하고, 이미지 복원 기술의 정확도를 향상하였다. 이번 연구는 지난 4월 26일 <사이암 저널 온 이미징 사이언스(SIAM Journal on Imaging Sciences)> 온라인판에 게재되었다.


이미지 복원에 사용되는 딥 러닝 기술

 최근 딥 러닝이 각광받으며 의료 영상 분야에서도 딥 러닝 기반 기술 개발이 주요 흐름으로 자리 잡았다. 특히 의료 영상의 노이즈*를 제거하고 화질을 개선하는 등의 이미지 복원 작업에 딥 러닝을 사용하는 방식이 주목받았지만, 딥 러닝이 어떤 방식으로 이미지를 복원하는지 설명할 수 없었다. 이미지 처리에 주로 사용되는 딥 러닝 기술은 합성 곱 신경망(Convolutional Neural Network, CNN)이다. 합성 곱 신경망에서 입력된 이미지는 풀링 레이어(Pooling Layer), 컨볼루션 레이어(Convolution Layer) 등의 여러 단계를 거쳐 변환된다. 그러나 기존에는 이러한 과정이 왜 필요하고, 각각의 단계가 어떠한 영향을 미쳐서 이미지를 복원하는지를 설명하지 못했다. 보정 작업을 거치더라도 원본에 없던 암세포를 만들어서는 안 되기 때문에, 의료 영상은 반드시 100%의 신뢰도를 보여야 한다. 따라서 구체적인 작용 과정이 알려지지 않은 딥 러닝 기반 이미지 복원 기술에 대한 비판이 지속적으로 제기되어 왔다.


계산 복잡해 사용 어려웠던 기존 이론

 연구팀은 수학적 원리에 기반한 이미지 복원 방법과 딥 러닝 기반 이미지 복원 기술이 본질적으로 같다는 사실을 발견했다. 이미지를 구성하는 데이터는 하나의 행렬로 표현될 수 있다. 기존의 이미지 복원 이론에서는 데이터를 반복 나열하여 행렬의 행과 열이 늘어난 고차원 공간의 행렬로 변환한다. 이 고차원 공간의 데이터들은 저차원의 행렬 구조를 가짐을 수학적으로 증명할 수 있는데, 이때 노이즈는 원래 이미지에 포함되지 않는 데이터이므로 저차원 행렬 구조에 포함되지 않는다. 어떤 행렬 구조는 기저 함수**의 선형 결합을 통해 표현될 수 있으므로, 저차원 행렬 구조의 기저 함수만 파악하면 노이즈를 제거할 수 있다. 하지만 저차원 행렬 구조의 기저 함수를 찾기 위한 과정이 매우 복잡해 이 방법은 실제로 사용하기에 적합하지 않다.


수학적인 복원 과정에 대응됨을 증명

 합성 곱 신경망은 수학적 원리에 기반한 이미지 복원과 같은 원리를 사용한다. 연구팀은 합성 곱 신경망의 풀링 레이어가 데이터 행렬을 고차원 공간의 행렬로 변환하는 과정에 대응되고, 컨볼루션 레이어가 기저 함수를 찾는 과정을 수행함을 수학적으로 증명하였다. 이 결과를 활용하면 합성 곱 신경망이 더 원활하게 작동할 수 있는 조건을 예측할 수 있다. 데이터 행렬은 항상 저차원 행렬 구조를 이루지는 않으며, 이는 입력된 이미지에 따라 달라지므로 이미지 복원을 하기 전에 데이터들이 저차원 행렬 구조를 이룰 수 있도록 미리 이미지를 조작하거나, 데이터를 변환하는 과정에서 정보가 손실되지 않도록 풀링 과정을 바꾸어 줄 수 있다.


 이번 연구는 딥 러닝 기반 이미지 복원 과정이 수학적 복원 이론의 발전된 형태임을 밝혀냈다는 의의가 있다. 또한, 인공지능이 최적의 성능을 나타내기 위한 조건을 알아낼 수도 있어 실용성도 크다. 예 교수는 “딥 러닝 기반 기술이 수학적인 이론에 바탕을 두고 확장되었다는 사실을 밝혀 이미지 복원 기술의 신뢰성을 확보하였다”고 이번 연구의 의의를 밝혔다. 

 


노이즈*

전자공학이나 기계제어 분야에서 기계 동작을 방해하는 전기 신호.

기저 함수**

벡터 공간 내에서 선형 독립이며 전체 벡터 공간을 생성할 수 있는 원소의 집합을 이루는 함수. 

박종건 기자의 다른기사 보기  
ⓒ 카이스트신문(http://times.kaist.ac.kr) 무단전재 및 재배포금지 | 저작권문의  

     
전체기사의견(0)  
 
※ 자동등록방지용 코드를 입력하세요!   
   * 200자까지 쓰실 수 있습니다. (현재 0 byte/최대 400byte)
   * 욕설등 인신공격성 글은 삭제 합니다. [운영원칙]
전체기사의견(0)
신문사소개기사제보불편신고개인정보취급방침이메일무단수집거부
대전 유성구 대학로 291 KAIST 교양분관 1층 카이스트신문사 | Tel 042-350-2243
발행인 신성철 | 주간 김동주 | 편집장 오태화
Copyright 2010-2016 카이스트신문. All rights reserved. mail to kaisttimes@gmail.com