Acknowledgement
본 논문은 과학기술정보통신부 정보통신창의인재양성사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2023.07a
- /
- Pages.493-494
- /
- 2023
Deep Learning for Automatic Change Detection: Real-Time Image Analysis for Cherry Blossom State Classification
자동 변화 감지를 위한 딥러닝: 벚꽃 상태 분류를 위한 실시간 이미지 분석
- Seung-Bo Park (Dept. of Software Convergence Engineering, Inha University) ;
- Min-Jun Kim (Dept. of Software Convergence Engineering, Inha University) ;
- Guen-Mi Kim (Dept. of Software Convergence Engineering, Inha University) ;
- Jeong-Tae Kim (Dept. of Software Convergence Engineering, Inha University) ;
- Da-Ye Kim (Dept. of Software Convergence Engineering, Inha University) ;
- Dong-Gyun Ham (Dept. of Software Convergence Engineering, Inha University)
- 박승보 (인하대학교 소프트웨어융합공학과) ;
- 김민준 (인하대학교 소프트웨어융합공학과) ;
- 김근미 (인하대학교 소프트웨어융합공학과) ;
- 김정태 (인하대학교 소프트웨어융합공학과) ;
- 김다예 (인하대학교 소프트웨어융합공학과) ;
- 함동균 (인하대학교 소프트웨어융합공학과)
- Published : 2023.07.12
Abstract
본 논문은 벚꽃나무 영상 데이터를 활용하여 벚꽃의 상태(개화, 만개, 낙화)를 실시간으로 분류하는 연구를 소개한다. 이 연구의 목적은, 실시간으로 취득되는 벚꽃나무의 영상 데이터를 사전에 학습된 CNN 기반 이미지 분류 모델을 통해 벚꽃의 상태에 따라 분류하는 것이다. 약 1,000장의 벚꽃나무 이미지를 활용하여 CNN 모델을 학습시키고, 모델이 새로운 이미지에 대해 얼마나 정확하게 벚꽃의 상태를 분류하는지를 평가하였다. 학습데이터는 훈련 데이터와 검증 데이터로 나누었으며, 개화, 만개, 낙화 등의 상태별로 폴더를 구분하여 관리하였다. 또한, ImageNet 데이터셋에서 사전 학습된 ResNet50 가중치를 사용하는 전이학습 방법을 적용하여 학습 과정을 더 효율적으로 수행하고, 모델의 성능을 향상시켰다.