딥러닝 기반 장면인식 기법을 이용한 제조 작업공간 분류모델 (Workspace Classification Model for Manufacturing Using Deep Learning-Based Scene Recognition)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 6호 / 855 ~ 861페이지
· 저자명 : 김정수, 이동명

초록

최근 머신러닝 기술의 발달로 산업현장에서 딥러닝(Deep Learning)을 통한 장면인식(Scene Recognition) 방법이다양하게 연구되고 있다. 딥러닝을 이용한 장면인식의 성능은 알고리즘 구조와 학습방법에 따라 크게 영향을 받는다. 본 연구를 위한 사전 연구 결과, Places365 데이터셋으로 학습된 데이터 모델에 의한 제조 작업공간 분류 정확도는 54%로, 이 성능으로는 실제 환경에서 사용하기는 어렵다. 따라서 본 논문에서는 이러한 문제점을 해결하고자CNN(Convolutional Neural Network) 기반에서 3가지의 전략으로 학습 데이터셋을 재구성하여 학습을 실시한 후장면인식 기법을 이용하여 제조 작업공간 분류모델을 제시하였다. 제안한 알고리즘과 데이터셋 구성방법을 통해 학습할 경우, 제조 작업공간에 대한 장면인식 성능은 기존 방법에 비해 28%p 향상됨을 확인하였다.

영어초록

With the recent development of machine learning technology, various methods of scene recognition through deep learning are being studied in industrial fields. The performance of scene recognition using deep learning is greatly affected by the algorithm structure and learning method. As a result of the preliminary study for this study, it was confirmed that the manufacturing workspace classification accuracy by the data model trained with the Places365 dataset was 54%, which was difficult to use in the real environment. Therefore, in this paper, in order to solve this problem, a classification model of the manufacturing workspace is presented using a scene recognition technique after learning by reconstructing a learning dataset with three strategies based on CNN (Convolutional Neural Network). When learning through the proposed algorithm and data set configuration method, it was confirmed that the scene recognition performance for the manufacturing workspace was improved by 28%p compared to the existing method.

참고자료

· 없음