전이학습 기반의 합성곱 신경망을 이용한 애니메이션 캐릭터 성별 분류 기법 (A Gender Classification Technique of Animation Character Using Convolutional Neural Network Based on Transfer Learning)

서지정보

· 발행기관 : 한국애니메이션학회
· 수록지 정보 : 애니메이션연구 / 16권 / 4호 / 141 ~ 156페이지
· 저자명 : 서동호, 차양훈

초록

최근 이미지, 영상 및 자연어 처리, 그리고 음성 인식 분야에서는 그 어느 때보다 딥러닝(deep learning) 을 기반으로 한 급속한 기술 발전과 더불어 인간의 영역을 뛰어넘은 우수한 성능까지 보이는 수준에 이르렀다. 더불어 딥러닝 기반의 기술 개발은 특정 분야에만 국한되지 않고 현재 모바일 어플리케이션부터 차세대무선통신, 자율주행 자동차 분야까지 폭넓은 분야에서 다양한 형태의 기술 연구 및 개발이 이루어지고 있다. 특히, 인간만이 가능한 영역이라 불리던 예술의 창조 영역에서도 딥러닝을 이용한 기술을 바탕으로 예술 활동 및연구가 진행되고 있다. 하지만 딥러닝 기반 기술들은 대부분 많은 데이터와 많은 컴퓨팅 자원을 요구하므로 이로 인한 실제 상용화에 많은 어려움이 존재하며, 특히 실제 환경에서 고성능의 딥러닝 모델을 구현하기 위해 필수적인 충분한 양질의 학습 데이터를 확보하지 못하는 경우가 많다. 따라서 이러한 문제점들을 극복하고 적은데이터와 컴퓨팅 자원으로도 인공지능을 효율적으로 사용할 수 있는 기술들이 개발되고 있다. 전이학습(transfer learning)은 이런 문제점들을 해결할 수 있는 대표 기술로 최근 큰 주목을 받고 있다. 본 연구에서는애니메이션 캐릭터의 성별을 분류하기 위해 전이학습 기반의 합성곱 신경망(convolutional neural network, CNN)을 통한 방식을 제안한다. 사람 얼굴로 학습된 합성곱 신경망 모델의 전이학습을 통해 애니메이션 캐릭터이미지로 학습하여 분류기를 구현한 결과, 전이학습을 이용할 경우 적은 학습 데이터양으로도 우수한 성능의 분류 모델을 구현할 수 있음을 확인하였다.

영어초록

Recently, rapid technological advancements based on deep learning have reached the level of superior performance beyond the human domain in the fields of image, video and natural language processing, and speech recognition, more than ever. Besides, deep learning based technology development is not limited to specific fields, but also various types of technology research and development are currently being conducted in a wide research area, from mobile applications to next generation wireless communications and autonomous vehicles. In particular, deep learning has been introduced gradually into the art area for a range of tasks activities where the area of art creation, which was called the area only for humans. However, there are many difficulties in actual commercialization since deep learning based technologies mostly require a lot of data and computing resources. Specifically, it is difficult to guarantee sufficient quality training data, which is essential for implementing high performance deep learning models in real environments. Therefore, many technologies that have been investigated to overcome these problems and efficiently use artificial intelligence with little data and computing resources. Transfer learning has recently introduced great attention as a representative technology that can solve these problems. In this study, we propose a transfer learning based convolutional neural network scheme to classify the gender of animated characters. Particularly, the proposed scheme, which is a classifier by learning an animated character image through transfer learning of a convolutional neural network model trained with a human face, achieves excellent performance with a small amount of learning data.

참고자료

· 없음