[논문]영상 처리와 CNN을 이용한 애완동물 영상 세부 분류 비교

김지혜; 고정환; 권철희

doi:10.5909/jbe.2021.26.2.175

[국내논문] 영상 처리와 CNN을 이용한 애완동물 영상 세부 분류 비교
Comparison of Fine Grained Classification of Pet Images Using Image Processing and CNN 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.26 no.2, 2021년, pp.175 - 183

김지혜 (LIG 넥스원) , 고정환 (LIG 넥스원) , 권철희 (LIG 넥스원)

초록
AI-Helper

영상의 세부 분류에 대한 연구는 계속적으로 발전하고 있지만, 다형성의 성질을 갖는 동물에 대한 객체인식 연구는 더디게 진행되고 있다. 본 논문은 개와 고양이에 해당하는 애완동물 이미지만을 이용하여, 세부 분류인 동물의 종을 분류하는 방법 중 영상처리를 이용한 방법과 딥러닝을 이용한 방법을 비교하는 것을 목표로 한다. 본 논문에서 영상처리를 이용한 방법으로 객체 분리를 위해 Grab-cut 알고리즘을 사용하고, 영상 인코딩을 위해 Fisher Vector를 사용한 방법을 제안한다. 다른 방법으로는 기계학습으로 여러 분야에서 좋은 성과를 얻고 있는 딥러닝을 이용하였으며, 그 중에서도 이미지 인식 분야에서 뛰어난 성능을 보인 Convolutional Neural Network(CNN)과 구글에서 제공하는 오픈소스 기반 딥러닝 프레임워크인 Tensorflow를 활용하였다. 제안하는 각각의 방법에 대해 37종의 애완동물 이미지, 총 7,390장에 대해 실험하여 그 효과를 검증 및 비교하였다.

Abstract ▼ AI-Helper

The study of the fine grained classification of images continues to develop, but the study of object recognition for animals with polymorphic properties is proceeding slowly. Using only pet images corresponding to dogs and cats, this paper aims to compare methods using image processing and methods using deep learning among methods of classifying species of animals, which are fine grained classifications. In this paper, Grab-cut algorithm is used for object segmentation by method using image processing, and method using Fisher Vector for image encoding is proposed. Other methods used deep learning, which has achieved good results in various fields through machine learning, and among them, Convolutional Neural Network (CNN), which showed outstanding performance in image recognition, and Tensorflow, an open-source-based deep learning framework provided by Google. For each method proposed, 37 kinds of pet images, a total of 7,390 pages, were tested to verify and compare their effects.

주제어

표/그림 (10)

그림 그림 1. Grab-cut 알고리즘 적용의 예 Fig. 1. Examples of applying Grab-cut Algorithm
그림 그림 2. CNN 모델의 구성 Fig. 2. Configuration of CNN model
그림 그림 3. CNN 모델의 설계 Fig. 3. Design of CNN model
표 표 1. 데이터 셋의 구성 Table 1. Composition of Dataset
표 표 2. Fisher-Vector(FV) 사용에 따른 실험결과 Table 2. Experimental Results of using Fisher-Vector(FV)
그림 그림 4. Grab-cut 알고리즘 적용에 따른 실험결과 Fig. 4. Experimental Results of Grab-cut Algorithm Application
그림 그림 5. 학습 반복 횟수에 따른 정확도 Fig. 5. Accuracy by number of repetitions of learning
표 표 3. CNN 정확도 측정 결과 Table 3. Accuracy measurement results of CNN
그림 그림 6. CNN 실험 결과의 예 Fig. 6. Example of experimental results using CNN
그림 그림 7. 학습 반복 횟수에 따른 정확도 Fig. 7. Accuracy by experimental method

참고문헌 (12)

Lingxi Xie, Jingdong Wang, Bo Zhang, and Qi Tian, "Fine-Grained Image Search," IEEE Transactions on multimedia, Vol. 17, No. 5, pp. 636-647, May 2015.

상세보기
C. Spampinato, S. Palazzo, P.H. Joalland, "Fine-Grained object recognition in underwater visual data," Proceeding of the Springer Science+Business Media, New York, pp. 1-20, 2015.
S Yu, Y Wu, W Li, Z Song, W Zeng, "A model for fine-grained vehicle classification based on deep learning," Neurocomputing, Vol. 257, pp. 97-103, 2017.

상세보기
Omkar M Parkhi, Andrea Vedaldi, Andrew Zisserman, C. V. Jawahar, "cats and dogs," IEEE Conference on Computer Vision and Pattern Recognition, pp. 3498-3505, 2012.
C Rother, V Kolmogorov, A Blacke, "Grabcut: Interactive foreground extraction using iterated graph cuts," ACM transactions on Graphics(TOG), Vol. 23, No. 3, pp. 309-314, August 2004.

상세보기
Yubing Li, Jinbo Zhang, Peng Gao, Liangcheng Jiang, Ming Chen, "Grab Cut Image Segmentation Based on Image Region," IEEE 3rd International Conference on Image, Vision and Computing (ICIVC), pp. 311-315, 2018.
C. Dance and F. Perronnin, "Fisher Kernels on Visual Vocabularies for Image Categorization," Proceeding of the IEEE Conference on Computer Vision, Minneapolis, pp. 1-8, 2007.
PH Gosselin, N Murray, H Jegou, F Perronnin, "Revisiting the fisher vector for fine-grained classification," Pattern recognition letters, Vol. 49, pp. 92-98, 2014.

상세보기
Gabriella Csurka, Christopher R.Dance, Lixin Fan, Jutta Willamowski, Cedric Bray, "Visual categorization with bags of keypoints," Proceeding of the workshop on statistical learning in Computer Vision, ECCV, pp. 1-16, 2004.
Omkar M Parkhi, Andrea Vedaldi, Andrew Zisserman, and C.V.Jawahar, "The Oxford-IIT Pet Dataset", 2012.
Tianmei Guo, Jiwen Dong, Henjian Li, Yunxing Gao, "Simple convolutional neural network on image classification," IEEE 2nd International Conference on Big Data Analysis (ICBDA), pp. 721-724, 2017.
Kiran SeetalaWilliam BirdsongYenumula B. Reddy, "Image classification using Tensorflow," 16th International Conference on Information Technology-New Generations (ITNG 2019), pp. 485-488, 2019.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증