Federated Learning을 활용한 드론의 객체 탐지

Federated Learning for Object Detection: Enabling Collaborative Drone Learning Without Centralizing Data

객체 탐지는 재난 대응, 운영 보안, 인프라 모니터링 및 방어 애플리케이션을 포함한 드론 및 엣지 비전 시스템에서 중요한 기능이다. 그러나 고성능 탐지기를 훈련하기 위해서는 대규모의 지속적으로 업데이트되는 데이터셋이 필요하며, 이는 데이터 중앙화로 인해 프라이버시 및 규제 문제를 야기한다. 본 연구에서는 Federated Learning(FL)을 적용하여 드론이 이미지 데이터를 로컬에 유지하면서 공유 모델을 개선할 수 있도록 하였다. Sherpa.ai FL 플랫폼을 사용하여 KIIT-MiTA 데이터셋에서 연합 객체 탐지 파이프라인을 구현하고, 단일 드론 및 중앙 집중식 기준선과 비교하였다. 실험 결과, 제안된 FL 접근 방식은 중앙 집중식 훈련에 근접하면서도 단일 드론 훈련에 비해 크게 개선된 성능을 보였으며, 가장 경량화된 모델인 YOLO26 nano는 mAP@0.50에서 52.89%, mAP@0.50:0.95에서 67.80%의 상대적 향상을 기록하였다.