스타일 증강 기법 및 어텐션을 활용한 도메인 일반화 패션 객체 감지 모델

Abstract

패션 산업과 비전 연구의 결합으로 딥 러닝을 활용한 이미지에서의 패션 객체 감지 연구가 활발히 진행되고 있다. 그러나 학습 기반 인식 모델의 특성상 학습에 사용된 이미지와 다른 특성을 지닌 이미지에서는 그 성능을 제대로 내지 못하는 단점이 있다. 본 논문에서는 이러한 다른 특성을 지닌 데이터를 도메인으로, 각 도메인적 특성을 스타일로 정의하며, 학습 도메인의 스타일을 혼합하여 새로운 스타일을 만드는 증강 기법을 통해 도메인 변화에 강한 패션 객체 인식 모델을 만들고자 한다. 또한, 어텐션 기법을 활용하여 모델이 이미지로부터 인식에 중요한 요소를 추출할 수 있도록 하였다. 이를 통해 스타일이 가미된 패션 객체 감지 데이터 세트인 styled-deepfashion2를 활용하여 모델이 도메인 변화와 상관없이 균등하며, 전체적으로 상승된 결과를 보임을 확인하였다.