CNN을 이용한 다중 클래스 분류

Abstract

본 논문에서는 금속스크랩이 쌓이는 스크랩박스의 적치 상태를 측정하는 알고리즘을 제안한다. 적치 상태 측정 문제를 다중 클래스 분류 문제로 정의하여, 딥러닝 기법을 이용해 스크랩박스 촬영 영상만으로 적치 상태를 구분하도록 하였다. 제안 방법은 산업 현장의 CCTV에서 수집한 영상을 이용하여 CNN 모델을 학습시키고, 정확도를 높이기 위해 다양한 후처리 로직을 적용하였다. CNN 모델로는 NASNet을 이용하였고, 상태 분류 평가는 Confusion matrix를 통하여 다중 클래스가 잘 분류되는지 확인하였다. 본 논문에서는 NASNet만을 사용한 상태 측정 결과의 정확도를 개선하기 위하여, NASNet을 특징 추출기로 사용하고 Random Forest로 분류하는 방식을 제안하며, 최종적으로는 Random Forest의 Confidence와 결과후처리 로직을 이용하여 약 83%의 정확도를 얻을 수 있었다.