YOLO11 기반 쇼핑 카트 상태 분류 시스템

한양대학교 ERICA 스마트융합공학부 스마트ICT융합전공 CCTV 환경에서의 실시간 쇼핑 카트 탐지 및 세그멘테이션

프로젝트 소개

본 프로젝트는 YOLO11 딥러닝 모델을 활용하여 CCTV 환경에서 쇼핑 카트의 상태(fully/empty/combined)를 자동으로 탐지하고 분류하는 실시간 시스템입니다. Instance Segmentation 기술을 통해 카트의 정밀한 윤곽선 정보까지 제공하며, 고해상도 처리로 원거리 객체 탐지 능력을 향상시켰습니다.

주요 성과

• Baseline 모델 (YOLO11n): 394장 데이터셋으로 mAP50 0.962 달성
• 최종 모델 (YOLO11s-seg): 고해상도(1280px) 적용으로 Precision 3.4%, Recall 3.5% 향상
• Segmentation 성능: mask_mAP50 0.979로 정밀한 윤곽선 추출
• 실전 검증: CCTV 테스트 영상에서 Baseline 대비 원거리 카트 탐지 능력 향상

프로젝트 웹페이지

프로젝트 소개 및 데모 영상은 GitHub Pages를 통해 확인하실 수 있습니다:

🔗 https://ict-top-bottom.github.io/MCA/

관련 저장소

• Appendix: https://github.com/ICT-Top-Bottom/MCA-Appendix

기술 스택

모델 학습

• Framework: PyTorch, Ultralytics YOLO11
• Platform: Kaggle (Dual T4 GPU)
• Augmentation: Multi-Scale Training, Rotation, HSV, Mosaic, Mixup

데이터셋

• 라벨링 도구: Roboflow (Instance Segmentation)
• 데이터 크기: 394장 (Train 316장, Valid 78장)
• 클래스: fully, empty, combined (총 439개 객체)

추론 및 배포

• 언어: Python 3.8+
• 라이브러리: OpenCV, NumPy, Ultralytics

팀 구성

이름	역할
윤태웅	모델 학습 및 실험 설계
박재형	데이터 수집 및 라벨링

논문

연구 논문은 assets 폴더에서 확인하실 수 있습니다.

문의

프로젝트에 대한 문의사항은 아래 이메일로 연락주세요:

윤태웅 - taewoong25@hanyang.ac.kr