합성곱신경망 모델에 따른 침엽수재 수종식별 성능 비교 및 최적 모델 개발 = Comparison of Identification Performance and Development of Optimized Model within Softwood Species Using Convolutional Neural Network(CNN) Model
저자
김종호 ( Jongho Kim ) ; 비안타라다르산푸루사타마 ( Byantara Darsan Purusatama ) ; 양고운 ( Goun Yang ) ; 프라세티아데니 ( Prasetia Denni ) ; 알빈무함마드사베로 ( Alvin Muhammad Savero ) ; 김남훈 ( Namhun Kim )
발행기관
학술지명
권호사항
발행연도
2022
작성언어
-KDC
500
자료형태
학술저널
발행기관 URL
수록면
29-29(1쪽)
제공처
The four convolutional neural network(CNN) architectures such as GoogLeNet, ResNet50, VGG16, and modified CNN were analyzed for investigating the effect of environmental variables on the accuracy of species identification like focused position, epochs, data augmentation and optimizer. Totally 5,535 cross-section images including 1,535 images of low-magnification(40X), 2,000 images of earlywood focused image(200X), and 2,000 images of latewood focused image(200X) were prepared for the dataset establishment. After the preparation, each dataset was randomly separated into 80% of the training group and 20% of the verification group. Data augmentation was applied only in training group for verifying the effectiveness of the dataset amount. As a result of training and verification process, the GoogLeNet architecture increased classification accuracy in proportion to the number of training epochs, and its classification accuracy achieved 99.0% at training process and 98.1% at verification process when applied non-augmented latewood dataset. In augmented latewood dataset, classification accuracy achieved 91.1% and 91.6% at training and verification process, respectively. In contrast, the best classification accuracy of ResNet50 architecture was 87.7% at training process and 71.3% at verification process. VGG16 architecture showed poor performance with around 10% accuracy at both training and verification processes under all conditions. The modified CNN architecture showed excellent classification accuracy with 95.9~99.8% at training process and 95.1~96.9% at verification process when using the earlywood dataset with 100 epochs condition. Moreover, the latewood dataset with 100 epochs condition also makes remarkable results as 96.2~99.2% at training process and 96.5~96.7% at verification process. Based on the results, data augmentation was not significantly affected to classification accuracy of CNN based softwood identification system in this research. In contrast, classification accuracy showed the increased tendency with an increment of training epochs and adoption of the latewood dataset.
더보기서지정보 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)