다중 가지 컨볼루션 뉴럴 네트워크를 사용한 다중 센서 전자코 기반 마약 가스 탐지 (Detection of Illicit Drugs with Multi-sensor E-nose using Multi-branch Convolutional Neural Networks)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 10호 / 159 ~ 166페이지
· 저자명 : 이호중, 박흰돌, 김도현, 최재훈, 이종석

초록

마약 밀수 탐지는 중요한 과제이며, 이를 해결하기 위해 심층 학습을 활용한 해결책이 연구되어왔지만 사용할 수 있는 마약 데이터가 부족하여 제한적으로 연구가 이루어졌다. 본 논문에서는 다중 센서 전자코 시스템을 사용하여 수집한 마약 가스 데이터를 효과적으로 분류할 수 있는 새로운 심층 학습 방법을 제안한다. 이를 위해 다중 가지 컨볼루션 뉴럴 네트워크를 제안하며 각 네트워크 가지가 서로 다른 유속에서 수집된 데이터를 처리하도록 한다. 그리고 개별 가지에서 나온 결과를 통합하여 최종 분류 결과를 도출한다. 실험 결과를 통해 제안하는 방법이 전통적인 기계학습 알고리즘보다 높은 정확도를 달성한다는 것을 입증한다.

영어초록

Detecting drug trafficking is a significant challenge, and its resolution through deep learning has been limited due to the lack of available drug datasets. In this paper, we present a new deep learning method to classify drug gas collected by a multi-sensor e-nose system. We propose a multi-branch convolutional neural network, where each branch processes the data from each flow rate of gas, and the results from the branches are combined to produce the final classification output. Our approach demonstrates a great improvement in accuracy when compared to traditional machine learning algorithms.

참고자료

· 없음