플러스프로젝트 배경
문제 - 마케팅 데이터 부족: 오프라인 매장이 단순 방문객 수만 파악할 뿐, 방문객의 성별/연령대 등 상업적으로 가치 있는 데이터나 매장 내 동선 파악이 어려워 마케팅 전략 수립에 한계가 있음. - 데이터 불균형 및 AI 신뢰도 저하: 실제 현장 데이터의 연령대 레이블 편향 문제가 심각하여, AI 모델의 특정 연령대 예측 커버리지가 낮아 시스템 전반의 신뢰도를 저하시킴. - 외부 유동 인구 데이터 단절:
프로젝트 성과
연령대 예측 커버리지 73%로 향상
Weighted Random Sampler와 Focal Loss 적용을 통해 연령대 예측 커버리지를 65%에서 73%까지 향상시켜 AI 모델 신뢰도를 확보
BoT-SORT 기반 정밀 동선 추적 시스템 구축
BoT-SORT 모델 파인튜닝으로 방문객의 잦은 가려짐에도 안정적인 개별 동선 추적을 구현, 매장 운영에 실질적인 동선 분석 데이터를 확보
실내외 통합 마케팅 데이터 확보
실내 방문객 특성 및 동선 데이터와 실외 유동 인구수 데이터를 통합 수집하여 매장 내외부 마케팅 분석에 활용 가능한 상업적 가치 데이터를 제공
핵심 기능
방문객 특성 분석
실내 CCTV로 얼굴을 탐지하고, 연령대 편향 문제를 해결한 AI 모델로 성별 및 연령대를 예측, 상업적 가치 있는 데이터 확보
진행 단계
기획 및 정의
2024.03.
오프라인 매장 대상 상업적 가치 데이터 확보 목표 설정, 얼굴 탐지/성별/연령대 예측 및 동선 추적 등 핵심 기능과 데이터 수집 범위를 정의
프로젝트 상세
오프라인 매장을 메인 타깃으로 하는 CCTV 기반 방문객 행동 분석 및 마케팅 데이터 수집 솔루션 구현 작업 범위 - 기능 정의 및 모델 개발: 매장 방문객 얼굴 탐지, 성별/연령대 예측 모델 연구 및 실험, 외부 유동 인구수 수집 기능 정의 및 개발 - 데이터 처리 및 전처리: AI-Hub 데이터셋 가공, 데이터 불균형 해결을 위한 Weighted Random Sampler, Focal Loss 적
