컬리, 딥러닝 대신 라플라시안 필터로 후기 이미지 개선 성공!
by DD
2년 전
조회수 11
컬리는 고객의 구매 경험 향상을 위해 후기 이미지 품질 개선을 시도함
푸리에 변환 기반 알고리즘의 한계를 극복하고자 딥러닝 모델을 활용했지만, 성능 개선에 실패함
라플라시안 필터를 활용한 룰 기반 알고리즘으로 정확도 90% 달성
딥러닝 모델의 한계: CNN의 지엽적 특징 추출
컬리는 후기 이미지의 품질 개선을 위해 BDNet과 같은 CNN 모델을 활용했다. 구체적으로, CNN은 이미지의 지엽적인 특징을 추출하는 데 특화되어 있다. 따라서, 흐린 이미지와 뚜렷한 이미지의 근본적인 차이인 경계선 정보를 제대로 파악하지 못해 성능 개선에 실패했다.
라플라시안 필터의 활용: 룰 기반 접근 방식의 효과
라플라시안 필터를 활용하여 이미지의 윤곽선 정보를 추출하는 룰 기반 알고리즘을 개발했다. 따라서, 흐린 이미지의 픽셀 값 표준편차가 작다는 점을 활용하여 흐린 이미지를 효과적으로 탐지했다. 반면, 딥러닝 모델 대비 구현 복잡도를 줄이고 정확도 90%를 달성했다.
실전 적용 가이드: 임계값 설정의 중요성
라플라시안 필터 적용 후, 표준편차 임계값 설정을 통해 실제 후기 이미지에 적용했다. 구체적으로, False Positive를 줄이기 위해 임계값을 조정하여 정확도를 높였다. 따라서, 실제 서비스 환경에 적용 시, 임계값 튜닝을 통해 최적의 성능을 확보해야 한다.
