컴퓨터 비전 기반 심층 신경망 이미지 분류 시스템 연구

1. 서론

컴퓨터 비전 기술의 눈부신 발전과 심층 신경망의 급속한 성장은 이미지 분류 시스템의 정확도와 효율성을 비약적으로 향상시켰다. 의료 영상 분석에서 질병 진단의 정확성을 높이고 자율 주행 자동차의 안전성을 강화하는 등 다양한 분야에서 이미지 분류 기술의 중요성은 더욱 커지고 있다. 이러한 흐름 속에서 본 연구는 다양한 심층 신경망 모델을 비교 분석하여 최적의 이미지 분류 시스템을 구축하고 그 성능을 면밀히 평가하는 것을 목표로 한다.

특히 데이터 제약 환경에서도 우수한 성능을 유지하는 데 중점을 두고 연구를 진행한다. 대규모 데이터셋을 이용한 사전 학습 모델의 활용은 물론 데이터 증강 기법과 전이 학습 기법을 적극적으로 활용하여 제한된 데이터셋으로도 높은 분류 성능을 확보할 수 있는 방안을 모색한다. 이를 위해 다양한 데이터 증강 기법 회전, 반전, 자르기 등을 적용하고 그 효과를 정량적으로 분석하여 최적의 데이터 증강 전략을 도출한다. 전이 학습의 경우, ImageNet과 같이 대규모 데이터셋으로 사전 학습된 ResNet50, InceptionV3, MobileNetV2 등의 모델을 활용하여 특징 추출 능력을 향상시키고, 목표 데이…