$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

YOLO 기반 개체 검출과 Node.js 서버를 이용한 반려견 행동 분류 시스템 구현
Implementation of a Classification System for Dog Behaviors using YOLI-based Object Detection and a Node.js Server 원문보기

한국융합신호처리학회논문지 = Journal of the Institute of Convergence Signal Processing, v.21 no.1, 2020년, pp.29 - 37  

조용화 (경남대학교 정보통신공학과) ,  이혁재 (경남대학교 정보통신공학과) ,  김영훈 (경남대학교 조선해양시스템공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 실시간 영상 분석을 통해서 반려견에 대한 객체를 추출해 내고, 추출된 이미지로부터 반려견 행동을 분류하는 방법을 구현한다. 반려견 객체 탐지를 위해서 Darknet YOLO를 사용하였으며, 추출된 이미지로부터 행동 패턴 분류는 구글에서 제공하고 있는 Teachable Machine을 이용하였다. 학습된 Teachable Machine은 구글 드라이브에 저장되어 node.js 서버 상에서 ml5.js로 구현하여 사용할 수 있다. 분류된 행동 패턴 결과는 사용자의 스마트 폰 또는 PC로 실시간 전송되며, 언제 어디서든 확인 가능할 수 있게 node.js 서버에서 socket.io 모듈을 사용해서 상호반응 웹 서버를 구현하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper implements a method of extracting an object about a dog through real-time image analysis and classifying dog behaviors from the extracted images. The Darknet YOLO was used to detect dog objects, and the Teachable Machine provided by Google was used to classify behavior patterns from the e...

주제어

#합성곱 신경망   #다크넷 YOLO   #객체 검출   #딥러닝   #강아지 행동  

참고문헌 (13)

  1. Available: https://bit.ly/3gLuq4t, 2020. 

  2. Available: https://bit.ly/3gJVWPC, NEWSRO 2019. 

  3. Fitbark, "Fitbark," Available: https://www.fitbark.com. 

  4. R. Brugarolas, R. T. Loftin, P. Yang, D. L. Roberts, B. Sherman, A. Bozkurt, "Behavior recognition based on machine learning algorithms for a wireless canine machine interface," in 2013 IEEE International Conference on Body Sensor Networks, Cambridge, MA, USA, 2013. 

  5. J. Redmon, A. Farhadi, "Yolo v3: An incremental improvement," Available: https://arxiv.org/abs/1804.02767, 2018. 

  6. J. Redmon, A. Farhadi, "Yolo9000 better, faster, stronger," in the IEEE Conference on Computer Vision and Pattern Recognition, 2017. 

  7. Available: https://teachablemachine.withgoogle.com. 

  8. Available: http://topdogblog1.blogspot.com/2012/04/doggie-language.html 

  9. Available: https://github.com/AlexeyAB/darknet 

  10. Available: https://www.kaggle.com/tongpython/cat-and-dog 

  11. Available: https://github.com/AlexeyAB/Yolo_mark 

  12. Available: https://medium.com/@manivannan_data/how-to-train-yolov3-to-detect-custom-objects-ccbcafeb13d2 

  13. Available: https://nodejs.org/ko/download/ 

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로