CV-08 8bit | RDC(렌터카 회사를 위한 차량 손상 여부 관리 서비스)

🚗 프로젝트 개요

• 여행에서 차량을 렌트할 때 차량의 상태를 제대로 확인하지 않거나 기록해놓지 않으면, 자신이 내지 않은 사고에 대해 오해 받을 수 있다. 따라서 차량을 렌트하는 소비자도 차량을 운행하기 전에 차량의 상태를 인지하는 것이 필요하다.

• 전국 렌터카 회사 중 69%가 차량을 100대 정도 보유하고 있는 소규모 렌터카 회사이고, 이들 대부분은 차량의 상태를 확인할 때 직원이 직접 확인하거나 사진을 찍어서 차량의 손상 여부를 파악하는 것으로 나타났다. 하지만 소규모 렌터카에서 차량 관리를 위해 AI 개발 인력을 투입하여 서비스를 구축하는 것은 무리가 있다.

• RDC(Recognition Damage of Cars) 렌터카 회사를 위한 차량 손상 여부 관리 서비스 프로젝트를 진행하게 되었다.
  
  

💾 데이터셋

• 차량 손상 이미지를 수집한 데이터셋 (AI Hub)
• 훈련 데이터(train) 402,143장, 검증 데이터(valid) 50,445장 사용
• 손상 여부가 중요하기 때문에 하나의 클래스로 만든 후 학습에 사용
  
  

📊 모델 학습

- SegFormer

• Encoder-Decoder로 이루어진 모델
• Transformer 기반의 encoder → multi-scale feature를 뽑아냄
• MLP decoder → 낮은 연산량으로 적은 학습 시간
  
  

- 모델 비교

	SegFormer-b2	ConvNeXt Base	Swin Transformer v2	Swin Transformer v1
mIoU	76.83	77.51	66.72	71.59
Background IoU	95.37	95.53	86.91	89.82
Damage IoU	58.28	59.49	46.53	53.46
이미지 추론 시간(s)	2.19	9.59

🗃️ 서비스 아키텍쳐

- 전체 구성도

- 고객 화면

• 고객 정보와 차량 정보를 입력한 뒤 추론된 결과를 통해 손상 여부를 파악할 수 있음

- 관리자 화면

• 고객이 입력한 데이터를 확인할 수 있고, 노션의 API로 제작되어 관리자가 원하는 편의 기능을 자유롭게 구현할 수 있음

🚍 결론

- 후속 개발 및 연구

• 성능 측면
  • TensorRT의 도입 → inference 속도 향상
  • 유저 피드백을 기반으로 잘못된 inference 재학습 → 모델의 정확도 향상
• 관리자 사용 측면
  • 검수 알림 기준 개선 → 손상 수 변화나 위치 정보를 기준으로 추가적인 손상 구분
  • 추가 고객 정보 활용 → 예) 보험 유무 등
    
    

📑 참고자료

• https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=581
• Hao, S., Zhou, Y., & Guo, Y. (2020). A brief survey on semantic segmentation with deep learning. Neurocomputing, 406, 302-321.
• Xie, E., Wang, W., Yu, Z., Anandkumar, A., Alvarez, J. M., & Luo, P. (2021). SegFormer: Simple and efficient design for semantic segmentation with transformers. Advances in Neural Information Processing Systems, 34, 12077-12090.
• https://tech.socarcorp.kr/data/2020/02/13/car-damage-segmentation-model.html
• https://www.flaticon.com/kr/
  
  

👨‍👨‍👧‍👧 팀 구성 및 역할

김동인_T4029	신원준_T4113	이혜진_T4177	정혁기_T4205	홍준형_T4235
모델 학습	모델 학습	모델 학습, 프론트 개발	서비스 아키텍쳐 개발	데이터 분석, 모델 학습