Construction IT Labs: Semantic Segmentation of a Fender

Semantic Segmentation of a Fender

Model 구축

지금 현재 Construction IT Labs에서 진행중인 연구는 ‘항만 시설에서의 방충재 검출’로서 저는 해당 연구에 대해 VGG16 기반으로 Semantic Segmentation 모델을 구축하였습니다.

Training Sets

훈련 세트는 원본 이미지, 레이블링 이미지 각각 100장으로 구성하였습니다.

조만간 포스팅하겠지만, 일부 이미지들의 레이블링이 잘못되어 잘라야하거나 크기 조정을 해야할 때, 그리고 모델이 요구하는 형식의 이름으로 변경하기 위해서 등등 이것들에 대한 시간 단축을 위해 제가 다음의 소프트웨어를 직접 개발하였으며, 이에 대한 코드는 다음의 깃헙 주소를 통해 확인해보실 수 있습니다.

The Ulixes Project

Result

학습 결과는 다음과 같았으며,

Loss: 0.0129, Accuracy: 0.9950

---

Predict의 결과는 다음과 같았습니다.

목표

From Scratch;

기반이 되는 모델을 사용하지 않고 주어진 Tasks에 가장 최적화된 모델을 처음부터 개발하고, 인공지능의 원활한 학습을 위해 효율적인 데이터 전처리를 그 목적으로 이와 관련된 이론들을 공부하고, 이에 대한 코드를 직접 구현하는 것이 목표입니다.

앞으로의 진행사항

먼저 위의 목표에 대해서는 기본적인 코딩 능력은 갖추고 있기에 Deep Learning 뿐만 아니라, Semantic Segmentation에 대해서 그 원리와 그에 필요한 공부들을 진행할 계획입니다.

또한, 위에서 구축한 모델에 대해서는 우선 가장 먼저 훈련 세트의 총 갯수를 많이 늘려서 Overfitting을 최대한 막을 것이고, 동일한 맥락에서 이를 위해 Validation Sets도 구성할 계획입니다.

마지막으로, 지금 현재는 카테고리 1개(Trapezoid_Fender)에 대해서 Train시켰지만, Tire_Fender에 대해서도 Train시킬 계획입니다.