CNN 기반 실시간 객체 분류를 위한 End-to-End 파이프라인 설계

Context

실시간 영상 스트림에서 특정 객체를 즉각 식별해야 하는 비즈니스 요구사항 발생. 단순 이미지 분석을 넘어 하드웨어 캡처와 딥러닝 추론이 결합된 통합 시스템의 필요성 증대.

Technical Solution

• 하드웨어 리소스 점유 방지를 위한 __del__ 소멸자를 통한 Camera Resource Release 구조 설계
• OpenCV의 BGR 포맷을 RGB로 변환하여 딥러닝 모델의 표준 입력 포맷과 정렬
• Conv2D 레이어를 통한 시각적 특성 추출과 MaxPooling2D를 이용한 차원 축소 기반의 CNN 아키텍처 채택
• 데이터 전처리 단계에서 픽셀 값을 $[0, 1]$ 범위로 scaling하는 Normalization Layer 적용
• 학습 데이터셋의 폴더 구조를 라벨로 자동 추론하는 image_dataset_from_directory 기반 데이터 인제스션 최적화
• 모델 가중치 파일 저장을 통해 재학습 없이 즉시 추론이 가능한 Persistence Layer 구현