컬리의 후기 이미지 처리 기술 개선

이 게시물은 컬리에서 후기 이미지의 흐림 정도를 탐지하고 선명한 이미지를 선별하기 위한 다양한 시도와 개선 과정을 설명합니다.

기존 방법과 문제점

• 푸리에 변환 기반 흐림 탐지 알고리즘은 과다 탐지 및 일관성 부족 문제 존재
• 딥러닝 BDNet 모델 적용 시 특성 차이가 미미해 분류 정확도 제한적

개선 시도와 결과

• 학습 이미지에 인위적 블러 처리 적용했으나 과적합 문제 및 성능 한계
• 이미지의 경계선 차이에 주목하여 라플라시안 필터 기반 윤곽선 추출 기법 도입
• 라플라시안 필터 후 픽셀 값 표준편차를 활용해 흐린 이미지와 뚜렷한 이미지 구분 시도
• 표준편차 기준 값 조정으로 약 90%의 정밀도 달성

시사점

• 딥러닝 모델만이 정답이 아니며, 룰 기반 알고리즘이 효과적일 수 있음을 확인
• 향후 추가 연구로 미해결 이미지 문제 개선 가능성 모색