실제 공간 환경에 최적화된
고정밀 가구 인식 및 분류 비전 솔루션

본 프로젝트는 리테일 환경 및 주거 공간에서 가구 객체를 실시간으로 인식하고 정밀하게 분류하기 위해 YOLOv8 기반의 객체 탐지 모델을 구축한 사례입니다.

투스카이는 IKEA의 디자인적 특성이 반영된 의자, 책상, 쇼파 등 주요 가구 카테고리를 대상으로 689장의 고품질 이미지 데이터셋을 직접 구축하여 학습의 기초를 마련했습니다.

단순한 학습을 넘어, 데이터셋의 불균형 문제를 해결하기 위해 학습·검증·테스트 비율을 72:14:14로 정밀하게 재구성하는 최적화 과정을 거쳤습니다. 그 결과, GPU 기반 100 epoch 학습을 통해 의자 97.8%, 쇼파 94.7% 등 개별 클래스에서 압도적인 성능을 기록했으며, 전체 mAP 약 95.4%라는 실무 적용 수준의 높은 정확도를 확보했습니다.

특히 초기 데이터의 한계였던 정적 이미지 편향을 극복하고 다양한 각도와 배경 조건에서도 안정적으로 작동하도록 모델을 고도화함으로써, 실제 매장 홍보 영상이나 라이브 커머스 환경에서도 가구 정보를 즉각적으로 식별할 수 있는 기술적 토대를 완성했습니다.