스마트미디어저널 (Smart Media Journal)

  • 제7권2호
  • /
  • Pages.34-39
  • /
  • 2018
  • /
  • 2287-1322(pISSN)
  • /
  • 2288-9671(eISSN)
한국스마트미디어학회 (THE KOREAN INSTITUTE OF SMART MEDIA)
권호 표지
DOI QR코드

DOI QR Code

오픈 소스 기반의 딥러닝을 이용한 적조생물 이미지 분류

Red Tide Algea Image Classification using Deep Learning based Open Source

  • 박선 (광주과학기술원 전기전자컴퓨터공학부) ;
  • 김종원 (광주과학기술원 전기전자컴퓨터공학부)
  • 투고 : 2018.06.12
  • 심사 : 2018.06.29
  • 발행 : 2018.06.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

국내 유해 적조발생에 따른 어패류 양식장에 지속적인 피해가 증가함에 따라서 적조에 대하여 많은 연구가 이루어지고 있다. 그러나 자동으로 적조 이미지를 인식하여서 유해적조생물을 판별하는 적조생물 이미지 검색에 대한 국내의 연구는 미흡한 실정에 있다. 본 논문은 오픈소스 기반의 딥러닝을 이용하여 적조생물 이미지를 분류할 수 있는 방법을 제안한다. 제안방법은 다양하게 표현되는 적조생물 이미지의 인식문제를 해결하기 위하여 텐서프로 프레임워크와 구굴 이미지 분류 모델을 이용하여 구현하였다.

There are many studies on red tide due to the continuous increase in damage to domestic fish and shell farms by the harmful red tide. However, there is insufficient domestic research of identifying harmful red tide algae that automatically recognizes red tide images. In this paper, we propose a red tide image classification method using deep learning based open source. To solve the problem of recognition of various images of red tide algae, the proposed method is implemented by using tensorflow framework and Google image classification model.

키워드

참고문헌

  1. 국립수산과학원 적조정보 홈페이지, https://www.nifs.go.kr/redtideInfo, 2018.
  2. FSIS 수산물안전정보, http://www.fsis.go.kr/front/api/totalView.do?cnts_id=15990&title=&select_list_no=2, 2018.
  3. B. C. Kim, H. W. Kang, Y. H. Kim, "Measurement of Algae Population for Red-Tide Prediction", SICE-ICASE Internation Joint Conference, pp.4684-4687, 2006.
  4. T. Jiang, C. Wang, B. Wang, J. Xie, N. Jia, T. Luo, "Real-time Red Tide Algae Recognition using SVM and SVDD", In proceeding of International Conference on Intelligent Computing and Intelligent System (ICIS), pp.602-606, Oct. 2010.
  5. X. Lili, J. Tao, X. Jiozhen, Z. Shaoping, "Red Tide Algae Classification Using SVM-SNP and Semi-supervised FCM", In proceeding of International Conference on Education Technology and Computer (ICETC), pp.389-392, Jun. 2010.
  6. T. Jiang, C. Wang, B. Wang, J. Xie, N. Jiao, T. Luo, "Real-time Red Tide Alge Classification Uing Bayes Classifier and SVM", In proceeding of International Conference on Bioinformatics and Biomedical Engineering (ICBBE), pp.2888-2891, May 2008.
  7. 박선, 이성로, 박석천, 임향섭, 신준우, 권장우, "주성분분석을 이용한 적조생물 영상 인식, 제35회 정보처리학회 춘계대회, 2011
  8. 박선, 이진석, 이성로, "의미특징을 이용한 적조 이미지 인식", 대한전자공학회논문지, 제48권 5호, pp. 23-29, 2011.
  9. 박선, 이성로, "NMF와 이미지 보정을 이용한 적조 이미지 인식 향상", 한국통신학회논문지, 제16권 제2호, pp. 331-336, 2012.
  10. 박선, 차병래, 김종원, "딥러닝을 이용한 적조생물 이미지 분류", 한국통신학회 2018년도 동계학술발표회, pp. 302-303, 2018.
  11. S. Park, B. R. Cha, J. G. Jeong, J. W. Kim, "Red Tide Classification using Deep Learning based on Open Source", Proc. of International Conference on Feture Information & Communication Engineering (ICFICE2018), 2018.
  12. Deep Learning, https://ko.wikipedia.org/wiki/%EB%94%A5_%EB%9F%AC%EB%8B%9D, 2018.
  13. Tensorflow, https://ko.wikipedia.org/wiki/%ED%85%90%EC%84%9C%ED%94%8C%EB%A1%9C, 2018
  14. P., Pai, “Data Augmentation Techniques in CNN using Tensorflow”, https://github.com/Prasad9, 2018
  15. A., Trivedi, “Deep Learning Part 2: Transfer Learning and Fine-tuning Deep Convolutional Neural Networks”, http://blog.revolutionanalytics.com/2016/08/deep-learning-part-2.html, 2018
  16. C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, “Rethinking the Inception Architecture for Computer Vision”, Proc, Conference of Computer Vision and Pattern Recognition 2016, 2016
  17. M., Sandler, A., Howard, M., Zhu, A., Zhmoginov, L., C., Chen, “MobileNetV2: Inverted Residuals and Linear Bottlenecks”, Proc, Conference of Computer Vision and Pattern Recognition, 2018
  18. 차병래, 박선, 신병춘, 김종원, ""Abyss Storage Cluster 기반의 DataLake Framework의 설계,"" 스마트미디어저널, 제7권, 제1호, 9-15쪽, 2018년