사물인식을 위한 딥러닝 모델 선정 플랫폼

Deep Learning Model Selection Platform for Object Detection

최근 컴퓨터 비전을 활용한 사물인식 기술이 센서 기반 사물인식 기술을 대체할 기술로 주목을 받고 있다. 센서 기반 사물인식 기술은 일반적으로 고가의 센서를 필요로 하기 때문에 기술이 상용화되기 어렵다는 문제가 있었다. 반면 컴퓨터 비전을 활용한 사물인식 기술은 고가의 센서 대신 비교적 저렴한 카메라를 사용할 수 있다. 동시에 CNN이 발전하면서 실시간 사물인식이 가능해진 이후 IoT, 자율주행자동차 등 타 분야에 활발하게 도입되고 있다. 그러나 사물 인식 모델을 상황에 알맞게 선택하고 학습시키기 위해서는 딥러닝에 대한 전문적인 지식을 요구하기 때문에 비전문가가 사물 인식 모델을 사용하기에는 어려움이 따른다. 따라서 본 논문에서는 딥러닝 기반 사물인식 모델들의 구조와 성능을 분석하고, 사용자가 원하는 조건의 최적의 딥러닝 기반 사물 인식 모델을 스스로 선정할 수 있는 플랫폼을 제안한다. 또한 통계에 기반한 사물 인식 모델 선정이 필요한 이유를 실험을 통해 증명한다.

Recently, object recognition technology using computer vision has attracted attention as a technology to replace sensor-based object recognition technology. Sensor-based object recognition technology has a problem that it is difficult to commercialize the technology because an expensive sensor is required. On the other hand, since object recognition technology using computer vision can replace sensors with inexpensive cameras. Moreover, Real-time object recognition becomes possible because of the development of CNN, it is actively introduced into other fields such as IoT and autonomous vehicles. However, using the object recognition model requires expert knowledge on deep learning to select and learn the model, it is difficult for non-experts to use it. Therefore, in this paper, we analyze the structure of deep - learning - based object recognition models, and propose a platform that can automatically select a deep - running object recognition model based on a user s desired condition. We also show the reason why we need to select the object recognition model based on the statistics through experiments on the models.