플러스프로젝트 배경
1) 문제점 - 마라톤 행사에서는 한 장의 사진에 여러 참가자가 함께 촬영되어 배번호를 사람별로 정확히 연결하기 어려움 - 참가자가 멀리 있거나 배번호가 흐림·가림·기울어짐 상태인 경우 단순 OCR만으로 안정적인 판독이 어려움 - 실제 배번호와 행사명에 포함된 ‘119’ 같은 숫자형 브랜딩이 함께 노출되어 잘못된 사진이 검색될 수 있음 - 하나의 모델 결과를 그대로 사용하면 오탐이나 모델 간 불일치
프로젝트 성과
행사 브랜딩 오탐 88.9% 감소
동일한 12장 홀드아웃에서 특화 모델의 ‘119’ 브랜딩 오탐은 1건으로, 범용 모델 9건 대비 8건·88.9% 감소해 참가자 배번호 오귀속 위험을 낮췄습니다.
노이즈 검색 제외
대표 사진에서 실제 배번호 ‘9309’를 BIB_CONFIRMED로 확정하고 행사 브랜딩 ‘119’(노이즈)는 검색 결과 0건으로 배제해 숫자 오귀속 문제를 해결했습니다.
신뢰도 기반 다중 모델 앙상블 판정 구축
특화 YOLO 배번호 탐지와 YOLO 인물 탐지·PaddleOCR 결과를 공통 예측 규격으로 정규화하고, 모델 간 일치·충돌·신뢰도를 조합해 확정·검수·미결정 판정 체계를 구축했습니다.
모델 성능·속도 트레이드오프 정량화
12장 홀드아웃에서 특화·범용 F1을 0.50·0.64, 로컬 CPU p50을 0.075초·10.266초로 측정해 정확도·오탐·처리시간의 선택 기준을 확보했습니다.
서로 다른 AI 모델을 공통 규격으로 통합
구조가 다른 YOLO11 특화 모델과 YOLO11 인물 탐지·PaddleOCR 경로를 BibRegionPrediction 공통 규격으로 통합해 모델 교체와 비교 평가가 가능해졌습니다.
핵심 기능
이중 모델 교차검증 기반 배번호 확정
특화 배번호 탐지와 범용 인물 탐지·OCR 결과를 공통 후보 규격으로 정규화합니다. 동일 숫자에 대한 모델 간 일치도와 OCR 신뢰도가 모두 임계값을 통과할 때 BIB_CONFIRMED로 확정합니다
진행 단계
요구사항 분석 및 실패 유형 정의
2026.08.
대량의 스포츠 행사 사진에서 참가자 배번호와 배경·현수막·스폰서 문구의 숫자가 혼동되는 문제를 분석하고 주요 오검색 유형을 정의했습니다.
프로젝트 상세
1) 포트폴리오 소개 마라톤 및 스포츠 행사 참가자와 사진 운영자를 위한 AI 기반 사진 검색 시스템입니다. 참가자가 자신의 배번호를 입력하면 대량의 행사 사진에서 본인이 포함된 사진을 검색할 수 있습니다. 컴퓨터 비전과 OCR을 결합해 실제 참가자 배번호와 행사 브랜딩에 포함된 숫자를 구분하고, 신뢰할 수 있는 결과만 제공합니다. 2) 작업 범위 - 서비스 요구사항 및 주요 실패 사
