Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.780-781
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Performance Evaluation of Convolutional Neural Network-based Image Classification Using the CIFAR-10 Dataset

CIFAR-10 데이터셋을 활용한 합성곱 신경망 기반 이미지 분류 성능 평가

  • Chae-Yeon Yoon (Department of Computer Science and Engineering, Soongsil University) ;
  • Yong-Tae Shin (Department of Computer Science and Engineering, Soongsil University)
  • 윤채연 (숭실대학교 컴퓨터학부) ;
  • 신용태 (숭실대학교 컴퓨터학부)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구에서는 CIFAR-10 데이터셋을 활용해 세 개의 합성곱 레이어와 완전 연결 레이어로 구성된 CNN 모델을 학습하고 평가하였다. Adam 옵티마이저와 교차 엔트로피 손실 함수로 학습된 결과, 약 75%의 테스트 정확도를 달성하였다. 간단한 CNN 아키텍처도 소규모 데이터셋에서 효과적인 이미지 분류가 가능함을 확인하였으며, 향후 더 복잡한 모델과 기법을 통해 성능을 개선할 수 있음을 제안한다.

Keywords

Acknowledgement

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 SW 중심대학사업의 지원을 받아 수행되었음(2024-0-00071)

References

  1. 채종빈, 강대기. (2021-08-19). 합성곱 신경망에서 다운 샘플링 메소드 별 모델 성능 비교. 한국정보통신학회 여성 ICT 학술대회 논문집, 서울.
  2. 고병은, 김성범. (2024). 심층 강화학습을 활용한 이미지 분류. 대한산업공학회지, 50(1), 11-22, 10.7232/JKIIE.2024.50.1.011
  3. 이선우, 양호준, 오승연, 이문형, 권장우. (2020). 심층신경망의 더블 프루닝 기법의 적용 및 성능 분석에 관한 연구. 융합정보논문지, 10(8), 23-34.
  4. Hussain, M., Bird, J.J., Faria, D.R. (2019). A Study on CNN Transfer Learning for Image Classification. In: Lotfi, A., Bouchachia, H., Gegov, A., Langensiepen, C., McGinnity, M. (eds) Advances in Computational Intelligence Systems. UKCI 2018. Advances in Intelligent Systems and Computing, vol 840. Springer, Cham.
  5. Q. Li, W. Cai, X. Wang, Y. Zhou, D. D. Feng and M. Chen, "Medical image classification with convolutional neural network," 2014 13th International Conference on Control Automation Robotics & Vision (ICARCV), Singapore, 2014, pp. 844-848, doi: 10.1109/ICARCV.2014.7064414. keywords{Featureextraction;Lungs;Training;Neurons;Biological neural networks;Biomedical imaging;Kernel}