초록
최근 딥 뉴럴 네트워크의 발전은 이미지 기반 쓰레기 분류 분야에서 급속한 발전을 촉진하였다. 이러한 기법들은 주로 전이 학습(transfer learning)을 활용하여 최신 기술 수준의 성능을 달성하고 있다. 본 연구에서는 기존의 이미지 기반 분류기의 성능을 향상시키기 위해 위치 및 시간 기반 교통 밀도와 같은 메타데이터 필드를 활용하는 새로운 방법론을 제안한다. 우리는 5개의 클래스(종이, 플라스틱, 캔, 테트라팩, 매립지)에 해당하는 총 889개의 이미지와 그에 연관된 메타데이터를 포함하는 ISBNet 데이터셋을 구축하였다. 이 데이터셋을 기반으로 개발한 모델인 ThanosNet은 현재까지 발표된 이미지 기반 쓰레기 분류 모델들보다 우수한 성능을 보였다. 비록 ISBNet 데이터셋은 특정 사용자 커뮤니티에 국한되어 있지만, 본 연구에서 개발한 일반화 가능한 방법론은 다양한 소비자 환경에 적용 가능하다.