The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

Development of Dog Name Recommendation System for the Image Abstraction

이미지 추상화 기법을 이용한 반려견 이름 추천 시스템 개발

  • 이재헌 (동서대학교 소프트웨어학과) ;
  • 정예린 (동서대학교 소프트웨어학과) ;
  • 문미경 (동서대학교 소프트웨어학과) ;
  • 박승민 (동서대학교 소프트웨어학과)
  • Received : 2023.02.03
  • Accepted : 2023.04.17
  • Published : 2023.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

The cumulative registration status of dogs is from 1.07 million in 2016 to 2.32 million in 2020. Animal registration is increasing by more than 10% every year, and accordingly, a name must be decided when registering a dog. We want to give a name that fits the characteristics of a dog's appearance, but there are many difficulties in naming it. This paper explains the development of a system for recognizing dog images and recommends dog names based on similar objects or food. This system extracts similarities with dogs' images through models that learn images of various objects and foods, and recommends dog names based on similarities. In addition, by recommending additional related words based on the image data of the result value, it was possible to provide users with various options, increase convenience, and increase interest and fun. Through this system, it is expected that users will be able to solve their concerns about naming their dogs, check names that suit their dogs comfortably, and give them various options through various recommended names to increase satisfaction.

반려견의 등록 누계 현황은 2016년도 107만건에서 2020년 232만건을 기록하고 있다. 매년 동물 등록이 10% 이상씩 증가하고 있고, 이에 따라 반려견을 등록 할 때 이름을 정해야 한다. 반려견 외모의 특징에 맞는 이름을 지어주고 싶지만, 이름을 정하는 것은 많은 어려움이 있다. 본 논문에서는 반려견의 이미지를 인식하고 닮은 사물이나 음식을 기반으로 반려견의 이름을 추천해주는 시스템의 개발 내용을 기술한다. 이 시스템은 다양한 사물과 음식의 이미지를 학습한 모델을 통해 반려견의 이미지와의 유사도를 추출하고, 유사도를 기반으로 강아지의 이름을 추천해준다. 또한 결과값으로 나온 이미지 데이터를 기반으로 연관된 연상단어를 추가로 추천해줌으로써 사용자들에게 다양한 선택지를 제공하고 편의를 높이고 흥미와 재미를 높일 수 있다. 본 시스템을 통해 반려견의 이름을 짓는 고민거리를 해결하고 편하게 반려견에게 어울리는 이름을 확인할 수 있으며, 다양한 추천 이름을 통해 폭넓은 선택지를 줌으로써 사용자들의 만족도를 높일 수 있을 것으로 기대한다.

Keywords

Acknowledgement

본 논문은 2022년도 동서대학교 "Dongseo Cluster Project"지원에 의하여 이루어진 것임. (DSU-2022002)

References

  1. J. Kim, S. Jo, and Y. Ji, "Image Classification Using CNN," Proceedings of Korean Institute of Information Technology Conference, Gumi, KOREA, June 2017, pp. 452-453.
  2. B. Kim, S. Kim, S. Park, and M. Koo, "A Food Recommendation System based on User's Food Image," Proceedings of Symposium of the Korean Institute of communications and information Sciences, Jeju, KOREA, June 2021, pp. 1636-1638.
  3. J. Ryu, S. Lee, J. Lee, T. Bae, and B. Oh, "Vehicle Type Identification Using CNN Techniqu," Proceedings of Korean Institute of Information Technology Conference, Gwangju, KOREA, June 2018, pp. 236-237.
  4. H. Choe and H. Yoe, "Design of Pest Image Recognition System Using Tensor Flow," Proceedings of Symposium of the Korean Institute of communications and information Sciences, Jeju, KOREA, June 2018, pp. 1516-1516.
  5. W. Gil, J. Kim, K. Park, and Y. Lee, "Data Analysis Web Application Based on Text Mining," Proceedings of the Korean Society of Computer Information Conference, Jeju, KOREA, July 2021, pp. 103-104.
  6. T. Hur and J. Park, "Recruitment information SNS system using crawling," Proceedings of the Korean Society of Computer Information Conference Jeju, KOREA, July 2021, pp. 467-468.
  7. D. Won, "Development of Sharehouse Data Collection System using Web Crawling," Proceedings of Symposium of the Korean Institute of communications and information Sciences, Yongpyung, KOREA, Aug, 2020, pp. 1241-1243.
  8. C. Lee and J. Jang, "Development of Social Data Collection System using Web Crawling," Korea Information Science Society, Jeju, Korea, June 2016, pp. 1787-1789.
  9. G. Jang and J. Kim, "CNN Optimization Model Design for Image Clasificatio," Proceedings of Proceedings of Korean Institute of Information Technology Conference, 발표도시명, 발표국가명 추가해주세요, June 2021, pp. 234-238.
  10. M. Seo and K. Lee, "Comparative Analysis of CNN-based Image Embedding Models for Image Similarity Measurement," The Korean Institute of Information Scientists and Engineers, Jeju, KOREA, June 2019, pp. 751-753.
  11. J. Park and H. Yong, "A Feasibility Study on Application of a Deep Convolutional Neural Network for Automatic Rock Type Classification," Tunnel & Underground Space, vol.30, No.5, 2020, pp. 462-472.
  12. D. Shin and B. Kim, "Performance Comparison of Machine Learing in the Various Kind of Prediction," Journal of the Korea Institute of Electronic Communication Sciences, vol.14, No.1 2019, pp. 169-178.
  13. J. Kim, "Performance Comparison Analysis of AI Supervised Learning Methods of Tensorflow and Scikit-Learn in the Writing Digit Data," Journal of the Korea Institute of Electronic Communication Sciences, vol.14, no.4, 2019, pp. 701-706.