• Feed Journal
• /
• v.5 no.5 s.45
• /
• pp.104-111
• /
• 2007

지금까지 동물의 이름이 나올 때마다, 그 분류학상의 이름을 쓰기위해 다양한 검색을 시도했으나, 그러한 이름이 반드시 일치하지는 않았다. 다음호에 예정되어 있는 전시 동물에서는 우에노(상야) 동물원에서만 420종의 동물이 있으므로, 동물 분류에 관해서 좀 더 관심을 가져볼 필요가 있다. 또, 사료 원료가 되는 식물에 대해서도, 그 분류에 대해 기술 하고자 한다. 이러한 과정에서 우리가 알 수 있는 것은 현재, 동식물의 분류법은 확립된 것이 아니고, 계속 변화하고 있다는 것이다. 2005년 2월 12일 아사히(조일) 신문에, DNA로 조사한 백합과의 분류가 종래의 계통수와 크게 달라, 가까운 장래 교과서나 그림도감도 대폭적인 재검토가 강요받게 될 것 같다고 보도되었다. 그러한 이유로 지금까지, 그리고 앞으로도, 주로 학명만을 필요에 따라서 표기하기로 했으며, 그 이유를 기술 하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.768-771
• /
• 2024

인간의 산업 활동으로 인하여 동물들의 생존이 위협받으면서, 동물의 서식 분포를 효과적으로 파악할 수 있는 자동 야생동물 모니터링 기술의 필요성이 점점 더 커지고 있다. 그중에서도 동물 소리 분류 기술은 시각적으로 식별이 어려운 동물에게도 효과적으로 적용할 수 있는 장점으로 인하여 널리 사용되고 있다. 최근 심층학습 기반의 분류 모델들이 좋은 판별 성능을 보여주고 있어 동물 소리 분류에 많이 사용되고 있지만, 희귀종과 같이 개체 수가 적어 데이터가 부족한 경우에는 학습이 제대로 이루어지지 않을 수 있다. 또한, 이러한 모델들은 모델 내부에서 일어나는 추론 과정을 알 수 없어 결과를 완전히 신뢰하고 사용하는 데 제약이 따른다. 이에 본 논문에서는 전이 학습을 통해 데이터 부족 문제를 고려하고, SHAP을 이용하여 분류 모델의 추론 과정을 해석하는 설명가능한 동물 소리 분류 기법을 제안한다. 실험 결과, 제안하는 기법은 지도 학습을 한 경우보다 분류 성능이 향상됨을 확인하였으며, SHAP 분석을 통해 모델의 분류 근거를 이해할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.684-685
• /
• 2020

영상의 세부 분류 인식에 대한 연구는 계속적으로 발전하고 있지만, 다형성의 성질을 갖는 동물에 대한 객체인식 연구는 더디게 진행되고 있다. 본 논문은 개와 고양이에 해당하는 애완동물 이미지만을 이용하여, 세부 분류인 동물의 종을 분류하는 것을 목표로 한다. 이를 위해 본 논문에서는 기계학습으로 여러 분야에서 좋은 성과를 얻고 있는 딥러닝을 이용하였으며, 그 중에서도 이미지 인식 분야에서 뛰어난 성능을 보인 Convolutional Neural Network(CNN)과 구글에서 제공하는 오픈소스 기반 딥러닝 프레임워크인 Tensorflow를 활용하였다. 제안하는 방법에 대해 37종의 애완동물 이미지, 총 7390장에 대하여 학습 및 실험하여 그 효과를 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.927-929
• /
• 2021

최근 펫팸족(Pet-Family)과 같이 반려동물을 가족처럼 생각하는 가구가 증가하면서 반려동물 시장이 크게 성장하고 있다. 이러한 이유로 본 논문에서는 반려동물의 객체 식별을 통한 객체 분할과 신체 좌표추정에 기반을 둔 반려동물의 행동 분류 방법을 제안한다. 이 방법은 CCTV를 통해 반려동물 영상 데이터를 수집한다. 수집된 영상 데이터는 반려동물의 인스턴스 분할을 위해 Mask R-CNN(Region Convolutional Neural Networks) 모델을 적용하고, DeepLabCut 모델을 통해 추정된 신체 좌푯값을 도출한다. 이 결과로 도출된 영상 데이터와 추정된 신체 좌표 값은 CNN(Convolutional Neural Networks)-LSTM(Long Short-Term Memory) 모델을 적용하여 행동을 분류한다. 본 모델을 바탕으로 행동을 분석 및 분류하여, 반려동물의 위험 상황과 돌발 행동에 대한 올바른 대처를 제공할 수 있는 기반을 제공할 것이라 기대한다.

• Journal of Science Education
• /
• v.36 no.1
• /
• pp.153-165
• /
• 2012

This study investigated the frequent mistakes and the causes of the alternative conceptions in the animal classification by using the questionnaire and interview with the middle school students (N=300). As results, some students have difficulties classifying suggested animals into vertebrates or invertebrates : snakes (31.7%), shrimps (28.3%), turtles (25.6%), frogs (24.7%), and starfish (10.7%) in order of precedence. These errors seemed to be caused by intuitive thinking over characteristics of physical motions and appearance of suggested animals, wrong inference from comparing to features of familiar animals and the lack of observation experience of the vertebrate backbone. Furthermore, the results showed that relatively many students made a mistake classifying subgroup members of vertebrates such as classifying salamanders into the class Reptilia (45.3%) and turtles into Amphibia (40.3%). It is likely that those errors are affected by ambiguousness of classification terminology (e.g. the term of Amphibia) and weak ability in relating the physiological and ecological feature to standard of classification feature. In addition, sociocultural factors could influence animal classification as 'bat in birds', 'whale in fish, and 'penguin in mammals'. The present study implied that teaching and learning animal classification may require an appropriate guide focused on activities to explore major characteristics used for the animal classification standard through providing more chances of animal observation rather than the cramming method of learning induced by technical memorizing.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.921-923
• /
• 2021

최근 반려동물 시장이 커짐으로 인해, 반려동물들의 헬스케어를 위한 제품들이 증가하고 있다. 이에 따라 펫 웨어러블 디바이스를 통한 연구가 활발히 진행되고 있지만, 웨어러블 디바이스를 통해 수집되는 센싱 데이터는 변칙적인 반려동물의 특징 때문에 연구의 한계를 갖는다. 이를 위해 본 논문에서는 1-Dimensional CNN과 LSTM 하이브리드 모델을 기반으로 한 반려동물 행동 분류를 제안한다. 웨어러블 디바이스를 이용해 자이로와 가속도 센서를 수집하여 걸음수를 측정하고, 이후 수집된 센싱 데이터로 반려동물의 행동을 4가지로 분류한다. 행동 분류는 걷기, 뛰기, 앉기, 서기로 분류한다.

• Korean journal of applied entomology
• /
• v.60 no.4
• /
• pp.489-491
• /
• 2021

Diolcogaster perniciosa (Wilkinson, 1929) belonging to the Microgastrinae is reported for the first time in South Korea. Diagnosis, distribution, and illustration of this species are provided.

• Korean journal of applied entomology
• /
• v.61 no.2
• /
• pp.331-333
• /
• 2022

Aleiodes thirakupti (Butcher et al., 2012) belonging to the subfamily Rogadinae in the family Braconidae is first reported from Korea. Diagnosis, distribution, and illustration are provided for this species.

• Korean journal of applied entomology
• /
• v.61 no.3
• /
• pp.503-506
• /
• 2022

Aleiodes conina (Butcher et al., 2012) belonging to the subfamily Rogadinae in the family Braconidae is first reported from Korea. Diagnosis, distribution, and illustration are provided for this species.

• Korean journal of applied entomology
• /
• v.62 no.2
• /
• pp.113-113
• /
• 2023