택배 화물 파손 분류를 위한 YOLO 및StyleGAN 기반 학습 데이터 증강

초록

택배 화물의 파손은 택배 배송 서비스 품질 저하를 초래하는 주요 요인이며, 택배 화물의 파손 분류를 통해 택배 배송 과정을 추적 및 개선함으로써 택배 서비스 품질 향상이 가능하다. 따라서 택배 화물의 파손 분류와 관련된 다양한 딥러닝 기술의 연구개발이 수행되고 있다. 본 연구는 택배 화물 파손 형태 분류를 위한 적대적 생성 신경망 기반의 학습 데이터셋 구축 방법을 제안한다. 이를 위하여 YOLOv5 기반 택배 화물 탐지를 수행하고 크롭하는 과정을 거쳐, 영상 내 분류 모델 성능 저하 요인를 배제하였다. 또한, ADA 기법을 사용한StyleGAN3 모델을 사용하여 적은 수의 영상으로도 데이터의 다양성을 확보하였다. 제안한방법으로 구축된 데이터셋으로 학습한 택배 화물 파손 형태 분류 모델의 성능을 검증하였으며, 이를 통해 제안한 방법이 택배 서비스 품질 향상에 기여할 수 있음을 확인하였다.

키워드