KCI등재
Mask R-CNN 기반 심층학습을 이용한 개체영상의 인공지능 학습데이터 구축
저자
발행기관
학술지명
한국지능시스템학회논문지(Journal of Korean institute of intelligent systems)
권호사항
발행연도
2022
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
218-224(7쪽)
DOI식별코드
제공처
본 논문에서는 심층학습을 이용한 개체영상의 인공지능 학습데이터 구축을 제안한다. 이를 위해 전이학습의 Mask R-CNN 모델을 이용하여 영상의 개체들을 각각 인스턴스 분할하고, 분할된 개체를 대상으로 경계상자 좌표와 인스턴스를 이용하여 배경을 제거한 개체영역만을 추출한 후 데이터베이스를 구축한다. 여기서 인스턴스 분할은 동일한 클래스 내의 개체들을 분할하기 위함이고, 배경의 제거는 순수 개체영역만으로 구성된 학습데이터를 얻기 위함이다. 제안된 방법을 임의의 크기를 가진 시설작물 RGB 딸기영상 40장과 DermQuest 피부병변 영상 82장을 대상으로 잎과 병변의 개체로 구성된 학습데이터 구축에 적용하여 실험한다. 실험의 결과, 평균 정확도와 평균 재현율에서 우수한 성능을 가진 학습데이터의 구축이 가능함을 알 수 있다. 또한 각 개체의 추출을 자동화함으로써 어노테이션에 소요되는 시간을 크게 줄일 수 있다. 특히 딸기영상의 경우 여러 개의 잎들이 중첩된 경우에도 개체의 분할성능이 우수하여 데이터의 추출이 잘 이루어짐을 확인하였다.
더보기In this paper, we propose the construction of artificial intelligence learning data of object images using deep learning. To this end, each instance of the image objects is segmented using the Mask R-CNN model of transfer learning, and only the object area from which the background has been removed using the bounding box coordinates and instances of the segmented object is constructed, and then the database is built. Here, the instance segmentation is to divide objects within the same class, and the background removal is to obtain learning data composed only of the pure object area. The proposed method is applied to construct learning data composed of leaves and lesions for 40 RGB strawberry images of facility crops and 82 DermQuest skin lesion images with the arbitrary size, respectively. The experiment results show that it is possible to construct training data with excellent performance in average accuracy and average recall. By automating the extraction of each object, the time spent on annotations can be significantly reduced. Especially, in the case of strawberry image, it was confirmed that data extraction was performed well because the segmentation performance of the individual was excellent even when several leaves were overlapped.
더보기분석정보
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)