KSC 2019
Current Result Document : 4 / 4
| 한글제목(Korean Title) |
미세조정 계층적 딥러닝 모델을 이용한 외래잡초 잎 이미지 분류의 성능 향상 |
| 영문제목(English Title) |
Improving the Performance of Exotic Weed Leaf Image Classification using Fine-tuning Hierarchical Deep Learning Model |
| 저자(Author) |
이재원
김남규
김현기
홍성훈
Jaewon Lee
Namkyu Kim
Hyungi Kim
Sunghoon Hong
|
| 원문수록처(Citation) |
VOL 46 NO. 02 PP. 0670 ~ 0672 (2019. 12) |
한글내용
(Korean Abstract) |
본 논문은 딥러닝 모델을 이용한 외래잡초 잎 이미지 분류에 대해 이미 잘 알려진 단일 모델을 사용하여 도달한 분류 정확도를 계층적 모델 구조와 미세조정을 이용하여 향상 시키는 방법에 대하여 제안한다. 제안하는 방법은 자체적으로 확보한 40종으로 이루어진 5개과의 외래잡초 잎 이미지 데이터 셋에 대하여 40종을 구분하는 단일 모델을 상위단계로 사용하고, 종분류 softmax 결과를 이용하여 과분류를 수행한다. 또한 상위 단계의 가중치를 동일한 모델에 대해 5개과 별로 분류하는 5개의 모델에 재학습 시켜 하위단계로 사용하는 2단계 계층적 모델로 구성된다. 제안하는 방법의 성능 분석을 위하여 MobileNetV2와 DenseNet201 모델에 대해 실험을 진행하였고, 두 모델에서 단일모델을 사용하여 외래잡초 잎 이미지 분류를 수행한 분류 정확도보다 계층적 구성방법을 이용하여 좀 더 높은 분류 정확도를 얻을 수 있음을 확인하였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
