AI Briefing컬리, 딥러닝 한계 극복... 라플라시안 필터 기반 흐린 이미지 탐지 기술 공개
핵심 내용
컬리가 CNN 모델의 한계를 인정하고 Laplacian 필터 기반 룰 알고리즘으로 흐린 이미지 탐지 정확도를 개선했다.
자세히 보기
컬리 데이터서비스개발팀이 고객 구매 후기 중 흐리거나 어두운 이미지를 효과적으로 탐지하기 위한 기술적 여정을 공개했다. 초기에는 AlexNet과 유사한 구조의 CNN 모델(PyTorch 구현)을 활용했으나, 실제 후기 이미지 집단 간 특성 차이가 미미해 precision이 0.6 수준에 머물렀다.
인위적으로 블러 처리된 데이터를 학습시키는 시도에서도 batch 별 과적합으로 인해 validation precision은 0.9를 기록했지만, test precision은 0.75에 그쳐 기대치를 충족하지 못했다. CNN이 필터를 통해 국소적 특징을 추출하는 방식은 경계선의 불분명함을 포착하는 데 한계가 있다는 분석이 나왔다.
Laplacian 필터 기반 룰 알고리즘 도입
결국 딥러닝 대신 이미지 데이터의 구조적 특성을 이용하는 'Simple is the best' 접근법을 채택했다. 컬러 이미지를 흑백으로 변환한 뒤 Laplacian filter를 적용해 윤곽선을 추출하는 방식이다. 흐린 이미지는 경계선이 불분명해 픽셀 값의 standard deviation(표준편차)이 뚜렷한 이미지보다 확연히 작다는 점에 착안했다.
실험 결과, threshold를 3.5로 설정했을 때 검출된 이미지의 약 90%가 실제 흐린 이미지로 확인되며 precision을 크게 향상시켰다. 이는 복잡한 모델보다 룰 기반 알고리즘이 특정 문제(흐린 이미지 탐지)에서 더 효율적일 수 있음을 입증한 사례다.
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
