[논문]합성곱 신경망 및 영상처리 기법을 활용한 피부 모공 등급 예측 시스템

이태희; 황우성; 최명렬

doi:10.7471/ikeee.2022.26.4.647

합성곱 신경망 및 영상처리 기법을 활용한 피부 모공 등급 예측 시스템
A Prediction System of Skin Pore Labeling Using CNN and Image Processing 원문보기

전기전자학회논문지 = Journal of IKEEE, v.26 no.4, 2022년, pp.647 - 652

이태희 (Dept. of Electrical and Electronic Eng. Hanyang University) , 황우성 (Dept. of EECI Eng. Hanyang University) , 최명렬 (Dept. of Electrical and Electronic Eng. Hanyang University)

초록
AI-Helper

본 논문은 사용자들에 의해 촬영된 피부이미지를 가공하여 데이터 세트를 구축하고, 제안한 영상처리 기법에 의해 모공 특징이미지를 생성하여, CNN(Convolution Neural Network) 모델 기반의 모공 상태 등급 예측 시스템을 구현한다. 본 논문에서 활용하는 피부이미지 데이터 세트는, 피부미용 전문가의 육안 분류 기준에 근거하여, 모공 특징에 대한 등급을 라벨링 하였다. 제안한 영상처리 기법을 적용하여 피부이미지로 부터 모공 특징 이미지를 생성하고, 모공 특징 등급을 예측하는 CNN 모델의 학습을 진행하였다. 제안한 CNN 모델에 의한 모공 특징은 전문가의 육안 분류 결과와 유사한 예측 결과를 얻었으며, 비교 모델(Resnet-50)에 의한 결과보다 적은 학습시간과 높은 예측결과를 얻었다. 본 논문의 본론에서는 제안한 영상처리 기법과 CNN 적용의 결과에 대해 서술하며, 결론에서는 제안한 방법에 대한 결과와 향후 연구방안에 대해 서술한다.

Abstract ▼ AI-Helper

In this paper, we propose a prediction system for skin pore labeling based on a CNN(Convolution Neural Network) model, where a data set is constructed by processing skin images taken by users, and a pore feature image is generated by the proposed image processing algorithm. The skin image data set was labeled for pore characteristics based on the visual classification criteria of skin beauty experts. The proposed image processing algorithm was applied to generate pore feature images from skin images and to train a CNN model that predicts pore feature ratings. The prediction results with pore features by the proposed CNN model is similar to experts visual classification results, where less learning time and higher prediction results were obtained than the results by the comparison model (Resnet-50). In this paper, we describe the proposed image processing algorithm and CNN model, the results of the prediction system and future research plans.

주제어

표/그림 (11)

그림 Fig. 1. Block diagram of Image Processing. 그림 1. 영상처리 블록도
그림 Fig. 2. Original skin image and ROI in image. 그림 2. 원본 피부이미지와 이미지 상의 관심영역(ROI)
표 Table 1. Classification Image with Pore size. 표 1. 모공 크기 별 이미지 등급분류
그림 Fig. 4. Pore feature image with original image. 그림 4. 원본 피부이미지와 모공 특징 이미지
그림 Fig. 3. Processing method for pore feature. 그림 3. 모공특징을 위한 이미지 처리 방법
그림 Fig. 5. CNN model architecture proposed. 그림 5. 제안된 CNN 신경망 구조도
그림 Fig. 6. Training result of four models. 그림 6. 사용된 네 개 모델의 학습 결과
표 Table 2. Training result of four models. 표 2. 사용된 모델의 학습 결과
표 Table 3. Predict time for single image of each models. 표 3. 한 장의 이미지에 대한 모델 별 예측시간
표 Table 4. Prediction result of two models. 표 4. 사용된 모델의 예측 결과
표 Table 5. Wrong prediction of two model. 표 5. 사용된 모델의 예측 결과

참고문헌 (6)

J. K. Bae, "The Exploratory Study for the？Appliftion of Artificial Intelligence in Smar？Healthcare," Korean Association of Logos Management, vol.19, no.4, pp.180-197,
N. Y. Park and et al., "Understanding the？digital health care experience based on eHealth literach: Focusing on the Seoul citizens," Korea J？Health Educ Promt, vol.39, no.4. pp.67-76, 2022.？DOI: 10.14367/kjhep.2022.39.4.67

상세보기
K. H. Baek and E. N. Ha, "Mobile-based？Digital Healthcare Platforms: Smart Wellness,"？Archives of Design Research(ADR), vol.34, no.1.？pp.110-113, 2021.？DOI: 10.15187/adr.2021.02.34.1.101

상세보기
H. G. Park and et al, "Image-Based Skin？Diagnosis Using AI Technology Combine with？Survey System for Review of integrated Skin？Diagnosis Function," The Journal of the Convergence？on Culture Technology(JCCT), vol.8, no.3. pp.463-468,
H. G. Park and et al, "Image-Based Skin Diagnosis？Using AI Technology Combine with Survey System？for Review of integrated Skin Diagnosis Function,"？The Journal of the Convergence on Culture？Technology(JCCT), vol.8, no.3. pp.463-468, 2022.？DOI: 10.1007/s13555-022-00833-8

상세보기
K. K. Lee and et al, "Shooting Distance Adaptive？Pore Extraction for Skin condition Estimateion,"？Journal of The Institute of Electronics and？Information Engineers, vol.52, no.8. pp.106-114,？2015. DOI: 10.5573/ieie.2015.52.8.106

원문보기 상세보기

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