$\require{mediawiki-texvc}$

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.

클래스 다이어그램 이미지의 자동 분류에 관한 연구
A Study on Automatic Classification of Class Diagram Images 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.13 no.3, 2022년, pp.1 - 9  

김동관 (목포해양대학교 해양컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

UML(Unified Modeling Language) 클래스 다이어그램은 시스템의 정적인 측면을 표현하며 분석 및 설계부터 문서화, 테스팅까지 사용된다. 클래스 다이어그램을 이용한 모델링이 소프트웨어 개발에 있어 필수적이지만, 경험이 많지 않은 모델러에게 쉽지 않은 작업이다. 도메인 카테고리별로 분류된 클래스 다이어그램 데이터 세트가 제공된다면, 모델링 작업의 생산성을 높일 수 있을 것이다. 본 논문은 클래스 다이어그램 이미지 데이터를 구축하기 위한 자동 분류 기술을 제공한다. 추가 정보 없이 단지 UML 클래스 다이어그램 이미지를 식별하고 도메인 카테고리에 따라 자동 분류한다. 먼저, 웹상에서 수집된 이미지들이 UML 클래스 다이어그램 이미지인지 여부를 판단한다. 그리고, 식별된 클래스 다이어그램 이미지에서 클래스 이름을 추출하여 도메인 카테고리에 따라 분류한다. 제안된 분류 모델은 정밀도, 재현율, F1점수, 정확도에서 각각 100.00%, 95.59%, 97.74%, 97.77%를 달성했으며, 카테고리별 분류에 대한 정확도는 81.1%와 95.2% 사이에 분포한다. 해당 실험에 사용된 클래스 다이어그램 이미지 개수가 충분히 크지 않지만, 도출된 실험 결과는 제안된 자동 분류 방식이 고려할 만한 가치가 있음을 나타낸다.

Abstract ▼ AI-Helper 아이콘AI-Helper

UML class diagrams are used to visualize the static aspects of a software system and are involved from analysis and design to documentation and testing. Software modeling using class diagrams is essential for software development, but it may be not an easy activity for inexperienced modelers. The mo...

주제어

#소프트웨어 융합   #객체지향 모델링   #클래스 다이어그램   #딥러닝  

표/그림 (12)

참고문헌 (14)

  1. Unified Modeling Language (UML). (2022) https://www.uml.org/ 

  2. B. Gosala, S. R. Chowdhuri, J. Singh, M. Gupta. & A. Mishra. (2021). Automatic Classification of UML Class Diagrams Using Deep Learning Technique: Convolutional Neural Network. Applied Sciences 11(9). DOI : 10.3390/app11094267 

    상세보기 crossref

  3. S. Shcherban, P. Liang, Z. Li & C. Yang. (2021). Multiclass Classification of Four Types of UML Diagrams from Images Using Deep Learning. In Proceedings of the 33rd International Conference on Software Engineering and Knowledge Engineering (SEKE 2021). DOI : 10.18293/SEKE2021-185 

    crossref

  4. V. Moreno, G. Genova, M. Alejandres, & A. Fraga. (2020). Automatic Classification of Web Images as UML Static Diagrams Using Machine Learning Techniques. Applied Sciences, 10(7). DOI : 10.3390/app10072406 

    상세보기 crossref

  5. J. K. Nurminen1, K. Rainio, J. Numminen, T. Syrjanen, N. Paganus & K. Honkoila. (2019). Object Detection in Design Diagrams with Machine learning. Progress in Computer Recognition Systems CORES 2019. Advances in Intelligent Systems and Computing. DOI : 10.1007/978-3-030-19738-4_4 

    crossref

  6. S. W. Munialo, G. M. Muketha & K. K. Omieno. (2020). Automated Feature Extraction from UML Images to Measure SOA Size. International Journal of Recent Technology and Engineering (IJRTE). 9(2). DOI : 10.35940/ijrte.B4131.079220 

    상세보기 crossref

  7. ResNet50. (2022). https://pytorch.org/hub/pytorch_vision_resnet/ 

  8. K. Mangaroliya & H. Patel. (2020). Classification of Reverse-Engineered Class Diagram and Forward-Engineered Class Diagram using Machine Learning. arXiv:2011.07313. 

  9. G. Robles, T. Ho-Quang, R. Hebig, M. R. V. Chaudron & A. Fernandez. (2017). An extensive dataset of UML models in GitHub. In Proceedings of the 14th International Conference on Mining Software Repositories (MSR), IEEE. DOI : 10.1109/MSR.2017.48 

    crossref

  10. R. Hebig, T. H. Quang, M. R.V. Chaudron, G. Robles & M. A. Fernandez. (2016). The Quest for Open Source Projects that use UML Mining GitHub. In Proceedings of the ACM/IEEE 19th International Conference on Model Driven Engineering Languages and Systems. DOI : 10.1145/2976767.2976778 

    crossref

  11. YOLOv5. (2022). https://pytorch.org/hub/ultralytics_yolov5/ 

  12. UML Specification 2.5.1. (2022). https://www.omg.org/spec/UML/ 

  13. EasyOCR. (2022). https://github.com/JaidedAI/EasyOCR 

  14. Gensim. (2022). https://radimrehurek.com/gensim/index.html 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 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