선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 본 논문에서는 Keras[2] 오픈소스 라이브러리를 이용한 딥러닝 기계학습 기반의 동전 인식 소프트웨어를 구현하였고, 이를 이용해 동전 자동분류 스마트 저금통을 설계하였다. 동작 검증을 위하여 스마트 저금통의 모든 발생 이벤트는 Parse-server와 mongoDB를 이용하여 시작화 및 어플리케이션 및 웹사이크를 연결시스템을 구현하였다. 논문의 구성은 다음과 같다.
- 본 논문에서는 Keras 오픈소스 라이브러리를 이용해 딥러닝을 이용한 기계학습 기반의 동전 인식 소프트웨어를 구현하였고, 이를 이용해 동전 자동분류 스마트 저금통을 설계하였다. 동작 검증을 위하여 스마트 저금통의 모든 발생 이벤트는 Parse-server와 mongoDB를 이용하여 시각화 및 어플리케이션 및 웹사이트를 연결하였다. 추후 클라우드 컴퓨팅을 활용하여 사용자들의 저금으로 인해 쌓이는 빅데이터를 분석하는 기술을 구현할 계획이다.
- 라즈베리파이와 220도 초광각 카메라를 이용하여 이미지 촬영을 진행하여 만든 이미지 Dataset을 PC에서 Python을 이용해 TensorFlow의 Keras API를 이용하여 동전의 학습과 분석을 한다.
- 본 논문에서는 Keras[2] 오픈소스 라이브러리를 이용한 딥러닝 기계학습 기반의 동전 인식 소프트웨어를 구현하였고, 이를 이용해 동전 자동분류 스마트 저금통을 설계하였다. 동작 검증을 위하여 스마트 저금통의 모든 발생 이벤트는 Parse-server와 mongoDB를 이용하여 시작화 및 어플리케이션 및 웹사이크를 연결시스템을 구현하였다.
- 본 논문에서는 Keras 오픈소스 라이브러리를 이용해 딥러닝을 이용한 기계학습 기반의 동전 인식 소프트웨어를 구현하였고, 이를 이용해 동전 자동분류 스마트 저금통을 설계하였다.
- 은닉층에서 3개의 Convolution Layer, 3개의 maxPooling Layer, 연결층에서 1차원 벡터로 변환시키기 위한 Flatten Layer, Dense Layer를 설계하였으며, 출력층에서 다시 Dense Layer를 이용하여 8개의 카테고리와 일치되게 설계하였다(그림 5).
- (그림 4)는 전체 동작 과정을 보인다. 적외선 모듈에 동전이 인식되면 이미지 촬영이 이루어지며 폴더에 저장된 사진을 이용하여 이미지 분석을 한다. 학습되어 있던 모델을 토대로 결과를 예측하게 된다.
대상 데이터
- 따라서 다양한 각도의 동전 학습 데이터 구성을 위하여 분류에 필요한 여러 동전을 여러 각도로 촬영을 하여 학습 데이터 10,000장을 추출하였다. 다음은 OpenCV를 이용한 이미지 전처리 과정을 거쳐 96*96 크기로 resize 된 10,000장의 이미지 데이터는 동전별로 2500개씩, 동전의 앞뒤를 구분하기 위해 각 동전 면마다 1250개씩 총 8개의 카테고리로 나뉘어 Scikit-learn 라이브러리를 이용해 numpy 배열형태의 Dataset을 생성하였다.
- 양면으로 디자인된 동전은 저금통 내에서 촬영 때 다양한 각도에 따라 그림자 방향이 일정하지 않은 환경에서 특징 추출을 해야 한다. 따라서 다양한 각도의 동전 학습 데이터 구성을 위하여 분류에 필요한 여러 동전을 여러 각도로 촬영을 하여 학습 데이터 10,000장을 추출하였다. 다음은 OpenCV를 이용한 이미지 전처리 과정을 거쳐 96*96 크기로 resize 된 10,000장의 이미지 데이터는 동전별로 2500개씩, 동전의 앞뒤를 구분하기 위해 각 동전 면마다 1250개씩 총 8개의 카테고리로 나뉘어 Scikit-learn 라이브러리를 이용해 numpy 배열형태의 Dataset을 생성하였다.
이론/모형
- 각 Layer의 활성화 함수로 역전파 시에 좋은 성능을 내는 ReLU(Rectified Linear Unit) 함수를 사용하였다.
- 학습모델은 TensorFlow 라이브러리 Keras를 이용하여 CNN 알고리즘을 구현하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.