초록
차량의 미세 분류는 분야 내에서 거의 주목받지 않은 도전적인 연구 문제이다. 본 논문에서는 부분 정보나 3차원 경계 상자(annotation) 없이도 차량의 미세 분류를 수행할 수 있는 딥 네트워크 아키텍처를 제안한다. 비정형적인 부분 탐지에 효과적으로 활용할 수 있는 공존 레이어(COOC 레이어)를 도입하였으며, 전이 학습과 미세 조정을 포함한 두 단계 절차를 사용하였다. 이를 통해 일부 층에서는 ImageNet에서 사전 학습된 가중치를 활용하여 모델을 보다 효과적으로 미세 조정할 수 있고, 다른 일부 층에서는 무작위 초기화를 수행할 수 있다. 제안하는 모델은 BoxCars116K 데이터셋에서 기존 최고 성능 기법보다 4% 높은 86.5%의 정확도를 달성하였다. 또한, CompCars 데이터셋에서 70-30 및 50-50 분할에 대해 각각 95.5%와 93.19%의 정확도를 기록하며, 다른 기법들보다 각각 4.5%, 8% 높은 성능을 보였다.