최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.18 no.2, 2018년, pp.1 - 10
이준희 (고려대학교 컴퓨터융합소프트웨어학과) , 이종욱 (고려대학교 컴퓨터융합소프트웨어학과) , 박대희 (고려대학교 컴퓨터융합소프트웨어학과) , 정용화 (고려대학교 컴퓨터융합소프트웨어학과)
Aggression among pigs adversely affects economic returns and animal welfare in intensive pigsties. Recently, some studies have applied information technology to a livestock management system to minimize the damage resulting from such anomalies. Nonetheless, detecting each pig in a crowed pigsty is s...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
컨볼루션 신경망은 무엇인가? | 영상을 입력으로 하는 일반적인 개별 객체의 탐지와 관련한 최근의 방법론으로는 딥러닝 기술의 컨볼루션 신경망(Convolutional Neural Networks(CNN))[7-11] 이 대표적이다. 이는 사람의 뇌가 시각정보를 받아들이는 과정을 모방한 신경망으로, 전문가에 의해 설계된 특징(handcrafted feature)들을 활용하여 특징 추출을 진행하는 기존의 객체 검출 과정과 달리, CNN은 스스로 훈련 샘플에 대하여 최적화된 특징 벡터들을 학습하고, 이를 활용하여 객체 분류의 성능을 향상시키고 있다[18]. | |
IT기반의 영상 감시 시스템이 필요하게 된 배경은 무엇인가? | 이와 같은 돈사 내의 비정상 상황 등은 면역력이 약한 이유자돈들 서로에게 정신적·물리적 상처를 입히게 되고, 결국 이유자돈들의 발육저하 및 호흡기 질병, 구제역 등과 같은 전염병 발생 시 피해가 매우 빠르 게 확산되는 취약한 구조를 가지게 된다. 그러나 관리인 당 약 2,000두의 돼지를 관리하는 국내의 돈사 환경에서는 관리인이 돈사 내 개별 돼지의 모든 이상 상황들을 감시하는 것은 현실적으로 어려운 문제이다[4][5]. 따라서 축산농가의 생산성 하락에 따른 경제적 손실과 직결되는 돈사 내의 비정상 상황들을 지속적으로 모니터링할 수 있는 IT기반의 영상 감시 시스템이 요구된다[6]. | |
혼잡한 돈사에서 가까이 붙어있는 돼지들을 개별 객체로 식별하기 위해 사용한 방법은? | 본 논문에서는 가축의 행동 분석 이전에 필수적으로 선행되어야만 하는 개별 돼지의 탐지를 위하여 빛이 없는 돈방에서도 객체 탐지가 가능한 키넥트 센서의 깊이 정보를 입력으로 딥러닝 기술의 컨볼루션 신경망을 이용하여 혼잡한 환경에서의 개별 돼지를 실시간으로 탐지하는 새로운 모니터링 시스템을 제안하였다. 특히, 돈사에서 촬영된 키넥트 영상을 처리하는 과정에서 발생하는 어려움 중 하나인, 혼잡한 돈사에서의 근접한 객체들을 개별 객체로 식별하기 위한 문제의 해결책으로 전처리과정에서 관심 대상이 아닌 엎드려서 쉬거나 자고 있는 돼지 객체들을 제외함으로서, 영상 내의 탐색 영역을 축소하여 어려운 문제를 비교적 다루기 쉬운 문제로 변환하고 컨볼루션 신경망으로 객체 탐지 문제를 푸는 모니터링 시스템을 강조하였다. 실제 세종 시에 위치한 한 돈사에서 취득한 키넥트 영상을 이용하여 본 논문에서 제안하는 시스템의 성능을 실험적으로 검증하였으며, 기존 방법론과의 정성적x정량적 성능 비교를 통해 본 연구의 우수성을 검증하였다. |
I. Camerlink, S. P. Turner, W. W. Ursinus, I. Reimert, and J. E. Bolhuis, "Aggression and Affiliation during Social Conflict in Pigs," PLoS ONE, Vol.9, p.e113502, 2014.
X. Zheng, Y. Zhao, N. Li, and H. Wu, "An Automatic Moving Object Detection Algorithm for Video Surveillance Applications," Proceeding of International Conference on Embedded Software Systems, pp.541-543, 2009.
S. Zuo, L. Jin, Y. Chung, and D. Park, "An Index Algorithm for Tracking Pigs in Pigsty," Proceedings of the International Conference on Information Technology and Management Science, pp.797-803, 2014.
J. Lee, L. Jin, D. Park, and Y. Chung, "Automatic Recognition of Aggressive Behavior in Pigs using a Kinect Depth Sensor," Sensors, Vol.16, No.5, pp.631-641, 2016.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, "Imagenet Classification with Deep Convolutional Neural Networks," Advances in Neural Information Processing Systems, pp.1097-1105, 2012.
R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Region-based Convolutional Networks for Accurate Object Detection and Segmentation," IEEE Transactions on Pattern Analysis and Machine Intelligence, pp.142-158, 2016.
K. He, X. Zhang, S. Ren, and J. Sun, "Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition," European Conference on Computer Vision, pp.346-361, 2014.
R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.580-587, 2014.
S. Gidaris and N. Komodakis, "Object Detection via a Multi-Region and Semantic Segmentation-Aware CNN Model," Proceedings of the IEEE International Conference on Computer Vision, pp.1134-1142, 2015.
A. Nasirahmadi, O. Hensel, S. A. Edwards, and B. Sturm, "Automatic Detection of Mounting Behaviours among Pigs using Image Analysis," Computers and Electronics in Agriculture, Vol.124, pp.295-302, 2016.
Y. Guo, W. Zhu, P. Jiao, and J. Chen, "Foreground Detection of Group-Housed Pigs based on the Combination of Mixture of Gaussians using Prediction Mechanism and Threshold Segmentation," Biosystems Engineering, Vol.125, pp.98-104, 2014.
M. A. Kashiha, C. Bahr, S. Ott, C. P. Moons, T. A. Niewold, F. Tuyttens, and D. Berckmans, "Automatic Monitoring of Pig Locomotion using Image Analysis," Li vestock Science, Vol.159, pp.141-148, 2014.
L. Xia and J. K. Aggarwal, "Spatio-temporal depth cuboid similarity feature for activity recognition using depth camera," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPR 2013), pp.2834-2841, 2013.
C. Szegedy, W. Liu, Y. Jia, S. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich, "Going Deeper with Convolutions," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.1-9, 2015.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp.779-788, 2016.
M. Everingham, S. A. Eslami, L. Van Gool, C. K. Williams, J. Winn, and A. Zisserman, "The Pascal Visual Object Classes Challenge: A Retrospective," International Journal of Computer Vision, Vol.111, No.1, pp.98-136, 2015.
고광은, 심귀보, "딥러닝 모델을 이용한 실시간 객체 검출 기반 어포던스 특징 추출 시스템," 제어로봇시스템학회논문지, 제23권, 제8호, pp.619-624, 2017.
J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques, Third Edition, Morgan Kaufmann Publishers, 2012.
Y. Z. Guo, W. X. Zhu, P. P. Jiao, C. H. Ma, and J. J. Yang, "Multi-Object Extraction from Topview Group-Housed Pig Images based on Adaptive Partitioning and Multilevel Thresholding Segmentation," Biosystems Engineering, Vol.135, pp.54-60, 2015.
Q. Zhu, J. Ren, D. Barclay, S. McCormack, and W. Thomson, "Automatic animal detection from kinect sensed images for livestock monitoring and assessment," Computer and Information Technology; Ubiquitous Computing and Communications; Dependable, Autonomic and Secure Computing; Pervasive Intelligence and Computing( CIT/IUCC/DASC/PICOM) , pp.1154-1157, 2015.
최장민, 이종욱, 정용화, 박대희, "키넥트 깊이 정보를 이용한 개별 돼지의 탐지," 정보처리학회논문지, 제5권, 제10호, pp.319-326, 2016.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.