컴퓨터 비전과 딥러닝을 통한 견종식별 연구 (A Study on Dog Breed Identification through Computer Vision and Deep Learning)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 44권 / 12호 / 2323 ~ 2331페이지
· 저자명 : 정택현, 김기천

초록

본 논문은 컴퓨터 비전(computer vision)과 딥러닝(deep-learning)을 접목한 지능형 ‘반려동물 돌봄’ 서비스를 구현하기 위한 연구의 초석으로 이미지 내 반려견을 식별하여 품종(breed)을 식별하는 모델의 제안과 관련된 실험을수행한 결과를 기술한다. 견종의 식별에는 Feature representation learning에서 뛰어난 성능을 보이는CNN(Convolution Neural Network) 모델을 활용하는데, CNN은 이미지의 불필요한 영역과 Noise를 제거하는 것이 성능에 큰 영향을 주는 것으로 알려져 있다. 따라서 제시하는 모델은 U-Net을 접목하여 Instance Segmentation 을 통해 개체 외에 불필요한 영역을 모두 제거하고 CNN을 통해 Identification을 수행한다. 제안하는 모델은 CNN 을 단독으로 사용하는 모델과 대비하여 17.86% 높은 성능을 보였으며, 여덟 마리의 견종을 식별함에서 91.62%라는 결과를 보였다. 하지만, 실험을 통해 얼굴 혹은 신체 일부만 나타난 견종의 이미지에서는 두 견종 간 색상의배열이나 형태가 유사한 경우, CNN 모델이 이를 명확하게 구별하지 못한다는 한계점이 식별된 것도 또 다른 의의가 있으며, 이를 개선하기 위한 후속 연구의 방향성을 제시한다고 생각된다.

영어초록

In this paper, we propose a new approach to dog breed identification model through the computer vision and deep-learning and perform the relevant experiments and describe the results. These experiments will be a cornerstone for research to implement ‘smart pet care services’. The identification of dog breed is based on CNN(Convolution Natural Network) model, which shows excellent performance in Feature representation learning.
CNN is known to improve performance if unnecessary areas and noise are removed. Therefore, the proposed model combines U-Net to remove all unnecessary areas through Instance Segmentation and performs identification through CNN. The proposed model showed 17.86% higher performance than the CNN alone model, and 91.62% accuracy in identifying eight dog breeds. However, experiments have shown that the CNN model does not clearly identification between two breeds of similar color arrangements or shapes in the image of a dog that shows only a face or body part. These results has another different significance to the Identification accuracy and the direction of our future research to improve it.

참고자료

· 없음