[논문 리뷰] Fine-Tuning Models Comparisons on Garbage Classification for Recyclability

Umut Özkaya, Levent Seyfi|arXiv (Cornell University)|2019. 08. 07.

Advanced Neural Network Applications참고 문헌 7인용 수 47

한 줄 요약

이 논문은 2527장의 이미지 데이터셋을 사용하여 Softmax와 SVM 분류기를 사용한 파인튜닝된 CNN 아키텍처(AlexNet, VGG16, GoogLeNet, ResNet)를 통해 쓰레기 유형 분류를 평가하고, GoogleNet+SVM에서 최대 97.86% 정확도를 달성한다.

ABSTRACT

In this study, it is aimed to develop a deep learning application which detects types of garbage into trash in order to provide recyclability with vision system. Training and testing will be performed with image data consisting of several classes on different garbage types. The data set used during training and testing will be generated from original frames taken from garbage images. The data set used for deep learning structures has a total of 2527 images with 6 different classes. Half of these images in the data set were used for training process and remaining part were used for testing procedure. Also, transfer learning was used to obtain shorter training and test procedures with and higher accuracy. As fine-tuned models, Alexnet, VGG16, Googlenet and Resnet structures were carried. In order to test performance of classifiers, two different classifiers are used as Softmax and Support Vector Machines. 6 different type of trash images were correctly classified the highest accuracy with GoogleNet+SVM as 97.86%.

연구 동기 및 목표

• 재활용 가능성을 위한 이미지에서 쓰레기 유형을 분류하는 딥러닝 애플리케이션을 개발한다.
• 6개 클래스 쓰레기 데이터셋에서 다수의 파인튜닝된 CNN 아키텍처의 성능을 평가한다.
• 전이 학습을 사용하여 두 분류기(Softmax, Support Vector Machines)를 평가한다.
• 높은 정확도를 위한 최적의 모델과 분류기 조합을 식별한다.

제안 방법

• 6개 클래스 쓰레기 데이터셋(2527장)에 대해 AlexNet, VGG16, GoogLeNet, ResNet을 사용한 전이 학습을 적용한다.
• 데이터셋을 50% 학습/50% 테스트로 분할한다.
• 최종 분류기로 Softmax와 SVM을 비교한다.
• 가장 성능이 좋은 구성을 식별하기 위해 각 모델-분류기 쌍의 정확도를 보고한다.

실험 결과

연구 질문

• RQ1 쓰레기 재활용 가능성에 대해 어떤 파인튜닝된 CNN 아키텍처가 가장 높은 분류 정확도를 보이는가?
• RQ2 이러한 파인튜닝된 모델들에서 SVM 분류기를 사용하는 것이 Softmax보다 성능을 향상시키는가?
• RQ3 소형 쓰레기 이미지 데이터셋에서 전이 학습이 학습 효율성과 정확도에 어떤 영향을 미치는가?
• RQ4 6개 쓰레기 카테고리에 대해 최적 모델-분류기 조합은 무엇인가?
• RQ5 재활용 가능성을 위한 시각 기반 쓰레기 유형 검출기의 전반적인 실현 가능성은 무엇인가?

주요 결과

• GoogleNet과 SVM의 조합이 97.86%의 최고 정확도를 달성했다.
• 본 연구는 전이 학습이 소규모 데이터셋에서 높은 정확도를 유지하면서 학습 및 테스트 절차를 단축시킬 수 있음을 보여준다.
• 테스트된 아키텍처 중에서 AlexNet, VGG16, GoogLeNet, ResNet은 Softmax와 SVM 분류기로 모두 평가되었다.
• Softmax와 SVM의 두 분류기가 각 모델에 걸친 최종 성능에 미치는 영향을 평가하는 데 사용되었다.
• 데이터셋은 6 개의 쓰레기 클래스에 걸쳐 2527장의 이미지로 구성되었으며, 50/50 학습/테스트 분할이었다.