(주제 선정 배경)
전세계적으로 공유차량 보유대수가 상승세를 보이고 있고, 2040년까지 16%로 증가할 예정이다.
장기적으로는 공유차량 보유대수가 완성차 수요를 앞지를 것으로 전망됨.
- 공정거래위원회의 카셰어링 서비스 소비자 만족도 조사에 따르면, 소비자가 카셰어링을 사용하면서 가장 마음에 안들었던 점은 미흡한 차량관리라는 응답이 1등을 차지함.
(문제점)
- 다양한 소비자의 니즈에 맞춰, 대대적으로 신차 투입 예정이며, 지속적으로 운영 차량의 확대 예정
- 운영 차량 확대에 따라, 차량의 외관촬영 이미지를 검수하는 데는 너무 시간이 오래 걸리는 문제점이 발생
- 차량 사진을 일일히 수작업을 통해 할 경우 하루 평균 7~8만장의 사진 밖에 검수를 하지 못한다는 문제점이 발생
(해결책)
이를 해결하기 위해, AI 머신러닝을 기반으로, 차량 이미지 파손여부 자동 탐지 모델을 설계하는 것을 목표로 한다.
- 해당 차량 공유업체의 직원들이 차량을 분류하는 데 걸리는 시간을 대폭 낮추고, 인공지능을 통해 사람이 분류하는 것 이상으로 정확하게 이미지를 분류하는 모델을 설계하도록 한다.
전이학습 모델 중 Inception V3 모델과 EfficientNet B0 모델을 사용
특히, EfficientNet B0의 경우 일정 Epoch가 지나고 나서 매우 좋은 성능을 보였다.
Inception V3모델은 EfficientNet보다 이상적인 학습 과정을 보여주였다.
차량 파손 문제 분류라는 task특성상 특정 위치를 살펴보아야 하기 때문에 Inception의 다양한 필터 size가 좋은 영향을 미치지 않았을 까? 라고 추측
생각과는 다르게 낮은 범위를 가진 값이 더 높은 정확도를 보여주었다.