생물학적 종 분류 체계를 반영한 앵무새 이미지 계층적 분류
저자
발행사항
서울: 상명대학교 일반대학원, 2022
학위논문사항
학위논문(석사)-- 상명대학교 서울캠퍼스 일반대학원 ; 지능정보공학과 2022. 2
발행연도
2022
작성언어
한국어
주제어
DDC
006.31 판사항(23)
발행국(도시)
서울
기타서명
Parrot image hierarchical classification reflecting the biological species classification system
형태사항
38p.; 26cm
일반주기명
상명대학교 논문은 저작권에 의해 보호받습니다.
지도교수:이의철
참고문헌 수록
UCI식별코드
I804:11028-200000598914
소장기관
본 논문은 컨볼루셔널 뉴럴 네트워크(Convolutional Neural Network; 이하 CNN) 이미지 분류 모델 기반의 계층적인 구조와 앵무새 11종을 분류하는 방법을 제안한다. 최근에는 이미지 분류 문제를 해결하기 위해 CNN 기반 방법이 많이 사용된다. 하지만 CNN 기반 방법들은 클래스의 수가 많고 비슷한 클래스들이 있을 때, 정확하게 구분하는 것에 어려움이 있다. 이는 국제적 멸종위기 종(CITES)에 속하는 동식물을 구별할 때, 일반적인 이미지 분류 모델로는 비슷한 종으로 속이려는 상황을 막기 어렵다는 것을 의미한다. 이러한 상황을 해결하려면 기존의 이미지 분류 모델보다 훨씬 정밀한 분류 정확도가 요구된다.
첫 번째 계층에서 구분하는 기준을 Cacatua 속을 기준으로 나누는 방법과 무작위로 나누는 방법으로 구성하였다. 기존의 이미지 분류 방법과 본 논문에서 제안하는 이미지 분류 방법을 비교한 결과, Cacatua 속을 기준으로 첫 번째 계층을 나눈 이미지 분류 모델에서 Precision 수치는 0.935에서 0.954로, Recall 수치는 0.939에서 0.951로, 그리고 F1 score 수치는 0.935에서 0.952로 향상되었다. 또한, 무작위로 첫 번째 계층을 나눈 이미지 분류 모델에서 Precision 수치는 0.935에서 0.944로, Recall 수치는 0.939에서 0.949로, 그리고 F1 score 수치는 0.935에서 0.941로 향상되었다. 본 연구를 통해 제안된 방법이 클래스의 수가 많고 시각적으로 비슷한 클래스들의 분류 문제에서 뛰어나다는 것을 확인할 수 있었다. 특히, 이러한 결과는 높은 분류 정확도가 필요한 상황에서 더욱 효과적인 방법이라고 볼 수 있다.
This paper proposes a hierarchical structure based on the convolutional neural network (CNN) image classification model and a method of classifying 11 parrot species. Recently, CNN-based methods widely used to solve the image classification problem. However, CNN-based methods have many classes and are difficult to distinguish exactly when there are similar classes. It means that when we distinguish against the international endangered species (CITES) animals and plants with a general image classification model, it is hard to prevent situations when they try to cheat into similar species. To solve this situation, much more precise classification accuracy is required than the existing image classification model.
It was composed of a method of dividing the criteria classified in the first layer based on the genus Cacatua and a method of randomly dividing them. As a result of comparing the conventional image classification method with the image classification method proposed in this paper, the Precision value was improved from 0.935 to 0.954, the Recall value from 0.939 to 0.954, and the F1 score value from 0.935 to 0.952. In addition, in the randomly divided image classification model of the first layer, the Precision value was improved from 0.935 to 0.944, the Recall value from 0.939 to 0.949, and the F1 score value from 0.935. Through this study, it can be confirmed that the proposed method is better in classification problems with many classes and visually similar classes. In particular, these results can be a more effective method in situations where high classification accuracy is required.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)