Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.433-434
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Tracking the Position of Paralichthys olivaceus using DeepLabCut

DeepLabCut을 활용한 넙치의 위치 추적

  • Sohee Yoon (Dept. of Computer Engineering, Mokpo National University) ;
  • Seokyoon Kim (Dept. of Computer Engineering, Mokpo National University) ;
  • Han Kyu Lim (Dept. of Marine & Fisheries Resources, Mokpo National University) ;
  • Hyun Seung Son (Dept. of Computer Engineering, Mokpo National University)
  • 윤소희 (국립목포대학교 컴퓨터공학과) ;
  • 김석윤 (국립목포대학교 컴퓨터공학과) ;
  • 임한규 (국립목포대학교 해양수산자원학과) ;
  • 손현승 (국립목포대학교 컴퓨터공학과)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

양식장에서 넙치의 감염성 질병으로 인한 폐사율이 높아 넙치의 행동을 모니터링하고 질병을 조기에 진단할 수 있는 기술 개발이 중요해졌다. 이 문제를 해결을 위해, 본 논문에서는 딥러닝 기반의 DeepLabCut 모델을 활용하여 넙치의 위치를 추적을 실험한다. 실험 결과, 학습된 모델은 3마리의 넙치가 포함된 제한된 환경에서 안정적인 추적 성능을 보였으나, 다수의 넙치가 있는 복잡한 환경에서는 위치 추적 성능이 저하되었다. 특히, 움직이는 넙치보다는 정지된 넙치의 위치를 더 잘 인식하는 경향이 있었고, 위치를 잘못 인식하거나 추적이 중단되는 문제도 발생하였다. DeepLabCut는 제한된 환경에서 효과적이나 실제 양식 환경에서 다수의 넙치를 정확하게 추적하기 위해서는 모델의 성능 향상과 더 다양한 데이터 확보가 필요하다.

Keywords

Acknowledgement

이 논문은 2024년도 해양수산부재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구입니다(RS-2022-KS221673, 빅데이터 기반 양식생산성 향상기술).

References

  1. 심재동, 황성돈, 장수영, 김태완, 정지민 "한국양식 넙치 폐사피해 모니터링", 한국어병학회지, 32(1), pp. 29-35, 2019.
  2. https://www.nifs.go.kr/fishguard/
  3. A. Mathis, P. Mamidanna, K.M. Cury, T. Abe, V.N. Murthy, M.W. Mathis, M. Bethge, "DeepLabCut: markerless pose estimation of user-defined body parts with deep learnin", Nature Neuroscience, 21(9), pp. 1281-1289, 2018.