영상기반 주차공간 분류 딥 모델을 위한 데이터 증강기법

유호진, 전경구

http://doi.org/10.5626/JOK.2022.49.2.126

초음파 센서 또는 카메라를 이용한 주차 점유상태 판단 시스템이 실내 주차장 위주로 많이 사용되고 있다. 그러나 실외 주차장의 경우, 이러한 시스템들의 높은 설치 비용과 정확도 문제로 도입에 한계가 있다. 또한, 조명 상태, 카메라 위치, 그리고 지형지물의 다양성으로 인해 대표성을 가지는 학습데이터 확보에 어려움이 있어 딥러닝 적용이 제한된다. 본 논문에서는 이러한 데이터 부족 상황에서 증강기법들이 주차상태 분류를 위한 딥 모델 성능에 미치는 영향을 분석한다. 이를 위해, 주차구역 영상을 상황별로 분류하고, 네 가지 증강기법들을 ResNet, EfficientNet 그리고 MobileNet의 학습에 적용하였다. 성능평가 결과, mixup, stopper, rescaling 방법에서 각각 최대 5.2, 8.67, 15.44% 포인트 정확도가 향상되었다. 반면에, 다른 연구들에서 성능 향상 효과가 있었던 center crop의 경우 정확도가 평균 4.86% 포인트 하락하였다.