투기행위 인식률 향상(1)

투기 행위에 대한 인식률이 너무 낮아 대대적인 코드 수정에 들어가기로 하였다. 앞으로 투기 행위 인식률을 높이기 위해 이런 저런 시도들을 해볼 예정이다.

Blending Model

현재 투기행위 감지에 사용되는 y_model은 각기 다른 화각에 대해서 학습된 5개의 모델을 Blending한 모델이다. 따라서 다양한 화각에 대해서 유도리있게 투기행위를 검출할 수 있긴 하지만, 전체적으로 confidence는 낮게 나온다는 문제가 있었다. 그리고 5개의 모델 중에서 성능이 좋지 않은 모델이 껴있을 수도 있다고 하셨다. 따라서 모델 test에 쓰일 화각에 대해서 검출률을 높이고, 필요없는 화각을 제거하기 위해서 블렌딩 전 모델을 각각 돌려보기로 하였다.

결과

명백한 투기행위로 인식되는 정제 이미지에 대해서 5개의 모델을 각각 돌려보았다. 다음은 Confusion Matrix에서 TP(투기-투기)에 해당하는 프레임 수와 최대 confidence 값이다. 1번 모델과 4번 모델의 오분류율이 가장 적었고, confidence도 높게 나왔다. 따라서 1번과 4번 모델을 Blending해서 다시 새로운 모델을 만들면 괜찮은 성능이 나올 것으로 보인다.

• cctv1.engine : 16 frame (0.74)
• cctv2.engine : 4 frame (0.5)
• cctv3.engine : 0 frame (0.5)
• cctv4.engine : 32 frame (0.89)
• cctv5.engine : 6 frame (0.5)