실시간 화재탐지 딥러닝 모델의 생성형 AI 적용에 관한 연구

A Study on the Application of Generative AI in Real-time Fire Detection Deep Learning Models

최근 전기차 화재, 공장 화재와 같은 다양한 원인으로 실내 화재의 피해가 증가하고 있으며, 이를 실시간으로 신속하고 정확하게 감지하기 위해 인공지능을 적용한 실시간 화재탐지 모델에 관한 연구가 활발히 수행되고 있다. 인공지능의 발전 속도가 빨라짐에 따라 현재 매우 높은 수준의 인공지능 모델이 상용화되고 있으며, 알고리 즘을 수정하여 모델 성능을 유의미하게 개선하는 데는 한계가 존재한다. 이에 따라 데이터의 중요성이 부각되고 있으며, 알고리즘을 개선하는 것보다 양질의 데이터를 확보하는 것이 인공지능 모델의 성능을 향상시키는 데 더 중요한 요소로 여겨지고 있다. 그러나 화재의 경우 양질의 데이터를 확보하는 데 어려움이 있으며, 산불 화재의 경우, 미국, 호주 및 EU에서는 국가 차원에서 데이터를 관리하고 빅데이터를 수집하고 있지만, 실내 화재의 경우 데이터 수집이 매우 어려운 실정이다. 현재는 데이터를 확보하기 위해 데이터 증강 기법을 사용하여 데이터 부족 문제를 해결하고 있지만, 적절하지 않은 데이터 증강 기법이나 과도한 데이터 증강은 인공지능 모델의 성능 저하로 이어질 수 있다. 최근 생성형 AI의 발달이 고도화됨에 따라 우리 사회에 큰 영향력을 행사하고 있으며, 이미지 생성 AI는 컴퓨터 비전 기술을 활용하여 실제와 유사한 이미지를 생성하고, 다양한 이미지 데이터를 학습하여 새로운 이미지를 생성한다. 본 연구에서는 실시간 실내 화재탐지 모델의 데이터 부족 문제를 해결하기 위해 기존의 데이터 증강 방식과 생성형 AI를 통한 데이터 수집 방식을 각각 적용하여 실시간 실내 화재탐지 모델의 성능을 개선하고 데이터 부족 문제를 해결하고자 하였다.