서면 언어에 적용된 손모양 인식을 위한 컨볼루션 아키텍처에 관한 연구

최근 몇 년 동안 컨볼루셔널 신경망(Convolutional Neural Networks)은 다양한 분야에서 성능 향상을 제공해 왔지만, 수어 인식의 맥락에서 손모양 인식(handshape recognition)에 대한 성능은 철저히 연구되지 않은 상태였다. 본 연구에서는 이 문제에 대한 적용 가능성 평가를 위해 여러 컨볼루셔널 아키텍처를 평가하였다.LSA16 및 RWTH-PHOENIX-Weather 손모양 데이터셋을 활용하여 LeNet, VGG16, ResNet-34, All Convolutional 아키텍처와 함께, 일반 학습과 전이 학습(transfer learning)을 통한 Inception 아키텍처를 실험하였으며, 각각의 성능을 해당 데이터셋에서의 최신 기술(state-of-the-art)과 비교하였다. 또한 기준 비교를 위해 피드포워드 신경망(feedforward neural network)을 활용한 실험도 수행하였다. 더불어 다양한 전처리 전략을 탐색하여 그 인식 성능에 미치는 영향을 분석하였다.그 결과, 모든 모델이 두 데이터셋에서 상당히 우수한 성능을 보였으며(수작업 기반 방법과 유사한 수준), 특히 VGG16이 가장 뛰어난 성능을 기록하였고, 전통적인 LeNet 아키텍처가 그 뒤를 이었다. 또한, 손을 배경에서 사전 분할(pre-segmenting)하는 전처리 전략이 정확도 향상에 상당한 기여를 하였음을 확인하였다.