A Sampling Method for Resolving Semantic Redundancy and Bias in Autonomous Driving Image Datasets: Application to NIA AI Hub Dataset and Estimation of Annotation Cost Reduction

Abstract

자율주행 분야의 딥 러닝 모델 훈련을 위한 대규모 이미지 데이터셋 구축과 어노테이션은 많은 자원을 필요로 한다. 이 연구는 데이터셋에서 발견되는 중복과 편향이 야기하는 자원투입의 비효율성을 해결하기 위해 Mini-Batch K-Means와 군집별 균등 샘플링을 결합한 새로운 데이터 샘플링 방법을 제안한다. 이 방법은 한국지능정보사회진흥원 AI Hub의 차량 및 사람 인지 데이터셋에 적용하며, YOLOv5 모델로 학습 후 일반화 성능평가를 진행한다. 실험 결과, 샘플링된 데이터셋을 사용한 모델이 더 나은 성능을 보이며, 이에 따른 어노테이션 비용도 75∼90% 절감될 것으로 추정된다. 제안한 샘플링 방법은 심플랜덤 샘플링, 체계적 샘플링, 클러스터링 샘플링과 비교하였을 때도 우수한 성능을 보인다. 이 결과는 효율적인 데이터셋 구축 전략과 데이터 샘플링 방법을 개발하는 중요한 방향성을 시사한다.