뺑소니 사고조사를 위한 딥러닝 기반의 국산자동차 차종 분류

경찰은 신속하고 정확한 초동수사로 조기에 뺑소니 차량을 특정할 필요가 있으며 CCTV와 블랙 박스에 촬영된 이미지는 차종을 특정할 수 있는 중요한 단서이다. 이미지에서 차종을 분류하는 문제 에서 딥러닝은 자동차에 대한 전문적인 지식, 인력 소모 없이도 가능한 효과적인 방법이다. 따라서 본 연구는 이미지를 기반으로 딥러닝을 활용해 국산 자동차의 차종을 분류하고자 한다. 데이터 세트는 AI HUB에서 제공하는 약 65,000장의 자동차 이미지로 국내 5개 제조사 100종의 차 종을 포함한다. 전이학습을 사용하여 CNN 모델인 ResNet-50을 학습시켰으며, 대표적 전이학습 방 법인 특징추출 기법과 미세조정 기법을 모두 사용해 실험하였다. 또한 학습 전에 이미지는 회색조로 변환하였으며, 좀 더 다양한 상황을 학습할 수 있도록 랜덤으로 이미지를 회전, 확대, 수평 반전시키 는 데이터 증강 기법을 적용하였다. 학습과 테스트는 파이썬 3.8환경에서 딥러닝 오픈소스인 케라스 (keras)를 이용해 수행하였다. 실험 결과, 특징추출 기법은 학습률에 따라 69.17%, 79.81%의 정확도 를 나타냈다. 미세조정 기법은 98.67%의 정확도로 성능이 우수하였으나 차종의 연식만 다른 경우에 는 성능이 상대적으로 하락하였다. 본 연구를 토대로 실제 환경에 더욱 강건하면서도 지속 가능한 차종 분류 방법론에 대한 연구가 이어져 뺑소니 사고조사에 활용될 수 있길 기대한다.