성별 및 스타일 분류 모델

📌 주제

• 성별 및 스타일 분류 모델 개발

📌 데이터 셋

• AI-Hub
  • 연도별 패션 선호도 파악 및 추천 데이터

📌 실험 과정

1. 정답 데이터 추출

• 사진 데이터의 제목에서 정보 추출
  • 성별
  • 스타일
  • → 총 31가지 class로 분류

2. 탐지 성능 향상을 위한 Object Detection (YOLOv10)

• 배경 및 불필요한 인물 제거
  • YOLOv10을 이용해 person 객체 탐지
  • 사진에 여러 명의 사람이 있을 경우, 가장 큰 bounding box의 영역만 남김
    • → bounding box 안의 영역만 학습 데이터로 사용

3. 모델 학습

이미지 전처리 (transform)

• Resize: 224x224
• Data Augmentation
  • 랜덤 수평 뒤집기
  • 밝기(0.2)
  • 대비(0.2)
  • 채도(0.2)
  • 랜덤 회전

데이터 로드 (DataLoader)

• Batch size: 128
• Shuffle: True

모델 구조 (ResNet18)

• Weights: None (가중치 초기화, 처음부터 학습)
• Dropout: 과적합 방지
• Fully Connected Layer: 31개 클래스 분류
• Loss Function: CrossEntropyLoss
• Optimizer: Adam
• Scheduler: StepLR
• Epoch: 100+100+50+100 Epoch

📌 결과

• Epoch: 350
• Test Loss: 1.67
• Test Accuracy: 64.29%

📌 Serving

• Flask
  • 웹 서버 구축
• PyTorch
  • ResNet18의 마지막 레이어를 31개 클래스로 변경
  • 저장된 모델 가중치 사용

📌 기술 스택

AI Framework

Web Framework