[RapidCheck] 지능형 영상 분석 솔루션 - Detection #3 Data Processing

안녕하세요, 건프입니다.

지능형 영상 분석 솔루션 RapidCheck의 기술문서를 정리한 것입니다.

개인적으로 Machine Learning, Deep Learning 모두 데이터분석의 영역이고, 따라서 이것이 수치이든, 이미지이든 Data 를 어떻게 다룰(Process)것인가 가 정말로 중요하다고 생각합니다.

제가 RapidCheck Detection Engine 를 만들때 사용하였던 데이터 전처리과정을 다뤄보았습니다.

자세한 내용은 아래와 같습니다.

Data Preprocessing

RapidCheck tech documents about Detection Engine powered by Junsu Lee (ljs93kr@gmail.com)

Preprocessing

다음은 RCNet 이 학습을 하기 위해서, 라벨링한 이미지를 어떤 방법으로 전처리(Preprocessing)를 하는지 예시사진으로 설명한다.

Step1. Grid Cell 만큼, 이미지의 위치를 상대적으로 분할한다

먼저 위와 같이 이미지가 들어왔을 때, 객체의 중앙정보(Central Infomation)을 포함하는 Grid Cell 로 논리분할한다.

Step2. 중앙점 정보를 담을 Grid Cell 의 인덱스

분할된 Grid Cell 은 그 고유 인덱스(Index)으로 대표할 수 있고, 이는 이미지내 중앙점의 위치를 특정할 수 있다.

Step3. cx,cy,w,h 상대값 처리

이로써, 객체가 위치하는 Cell Index 안에 포함되는 객체의 center_x, center_y를 구해낼 수 있고, 이는 Cell 내부에서 상대적인 위치로 표현된다. width, height는 이미지 전체 크기를 기준으로 상대값으로 표현된다.

위와 같은 방법으로 각 학습이미지는 객체마다 중앙점정보와 상대적 크기 정보를 흭득하게 되고, 학습의 결과물과 동일한 차원(Dimension)으로 변환된다.

Data Argumentation

학습 과정 중 데이터의 간단한 조작만으로도, 적은 데이터로부터 상대적으로 풍부한 데이터를 얻을 수 있다. RapidCheck Detection Engine에서 선택한 Data Argumentation 방법은 “Reversed Image”다.