$\require{mediawiki-texvc}$

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.

전이 학습과 데이터 증강을 이용한 너구리와 라쿤 분류
Classification of Raccoon dog and Raccoon with Transfer Learning and Data Augmentation 원문보기

한국융합신호처리학회논문지 = Journal of the Institute of Convergence Signal Processing, v.24 no.1, 2023년, pp.34 - 41  

박동민 (대구대학교 IT융합공학과) ,  조영석 (대구대학교 생물교육학과) ,  염석원 (대구대학교 IT융합공학과)

초록
AI-Helper 아이콘AI-Helper

최근 인간의 활동 범위가 증가함에 따라 외래종의 유입이 잦아지고 있고 환경에 적응하지 못해 유기된 외래종 중 2020년부터 유해 지정 동물로 지정된 라쿤이 문제가 되고 있다. 라쿤은 국내 토종 너구리와 크기나 생김새가 유사하여 일반적으로 포획하는데 있어서 구분이 필요하다. 이를 해결하기 위해서 이미지 분류에 특화된 CNN 딥러닝 모델인 VGG19, ResNet152V2, InceptionV3, InceptionResNet, NASNet을 사용한다. 학습에 사용할 파라미터는 많은 양의 데이터인 ImageNet으로 미리 학습된 파라미터를 전이 학습하여 이용한다. 너구리와 라쿤 데이터셋에서 동물의 외형적인 특징으로 분류하기 위해서 이미지를 회색조로 변환한 후 밝기를 정규화하였으며, 조정된 데이터셋에 충분한 학습을 위한 데이터를 만들기 위해 좌우 반전, 회전, 확대/축소, 이동을 이용하여 증강 기법을 적용하였다. 증강하지 않은 데이터셋은 FCL을 1층으로, 증강된 데이터셋은 4층으로 구성하여 진행하였다. 여러 가지 증강된 데이터셋의 정확도를 비교한 결과, 증강을 많이 할수록 성능이 증가함을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In recent years, as the range of human activities has increased, the introduction of alien species has become frequent. Among them, raccoons have been designated as harmful animals since 2020. Raccoons are similar in size and shape to raccoon dogs, so they generally need to be distinguished in captu...

주제어

#딥러닝   #머신러닝   #전이 학습   #데이터 증강   #동물 분류  

참고문헌 (15)

  1. Kim, D. E, "Management System of Invasive Alien？Species Threating Biodiversity in Korea and？Suggestions for the Improvement", Journal of？Environmental Impact Assessment, 27(1), 33-55(2018).？https://doi.org/10.14249/EIA.2018.27.1.33 

    원문보기 상세보기 crossref

  2. Ministry of Environment. 2014. 1st Management Plan？of Alien Species (2014-2018). 

  3. Da Bin Kim. Kyung Ah Koo. "A Study on the？Current Status and Improvement of Ecosystem？Disturbance Species", 29(4), 59-81(2021). 

  4. Ikeda T, Asano M, Matoba Y, Abe G, "Present status？of invasive alien raccoon and its impact in Japan",？Global environmental research, 8(2), pp. 125-131, 2004. 

    상세보기

  5. National Institute of Ecology, "Ecological studies of？alien species (VI)", Seocheon National Institute of？Ecology 

  6. Jihae Kim et al, "Comparison of Fine Grained？Classification of Pet Images Using Image Processing？and CNN", Journal of Broadcast Engineering (JBE)？Vol. 26, No. 2, pp. 175-183, 2021. 

  7. Barret Zoph, Vijay Vasudevan, Jonathon Shlens, Quoc？V. Le; "Learning Transferable Architectures for？Scalable Image Recognition", Proceedings of the IEEE？Conference on Computer Vision and Pattern？Recognition (CVPR), 2018, pp. 8697-8710 

  8. Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun;？"Deep Residual Learning for Image Recognition",？Proceedings of the IEEE Conference on Computer？Vision and Pattern Recognition (CVPR), 2016, pp.？770-778 

  9. Christian Szegedy, Vincent Vanhoucke, Sergey Ioffe,？Jon Shlens, Zbigniew Wojna; "Rethinking the？Inception Architecture for Computer Vision",？Proceedings of the IEEE Conference on Computer？Vision and Pattern Recognition (CVPR), 2016, pp.？2818-2826 

  10. Christian Szegedy, Sergey Ioffe, Vincent Vanhoucke,？Alexander A Alemi; "Inception-v4, inception-resnet？and the impact of residual connections on learning",？Thirty-first AAAI conference on artificial intelligence.？2017. 

  11. Simonyan, Karen, and Andrew Zisserman; "Very deep？convolutional networks for large-scale image？recognition", arXiv preprint arXiv:1409.1556 (2014). 

  12. Kaiming He Ross Girshick Piotr Doll'ar, "Rethinking？ImageNet Pre-training" arXiv:1811.08883v1 (2018). 

  13. Shorten, C., Khoshgoftaar, T.M., "A survey on Image？Data Augmentation for Deep Learning", J Big Data？6, 60 (2019). https://doi.org/10.1186/s40537-019-0197-0 

    상세보기 crossref

  14. J. Deng, W. Dong, R. Socher, L. -J. Li, Kai Li and Li？Fei-Fei, "ImageNet: A large-scale hierarchical image？database", 2009 IEEE Conference on Computer？Vision and Pattern Recognition, Miami, FL, USA,？2009, pp. 248-255, doi: 10.1109/CVPR.2009.5206848 

    crossref

  15. "Keras Applications,"Keras, https://keras.io/api/applications/ 

저자의 다른 논문 :

관련 콘텐츠

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