• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.972-980
• /
• 2022

영상을 이용한 기계학습 기반의 나비 종 인식 기술은 나비 종의 다양성 및 개체 수, 종의 서식 분포 등을 파악하는데 관련 분야 종사자의 많은 시간과 비용 감소의 효과를 가져온다. 나비 종 분류의 정확성과 시간 효율을 높이기 위해 기계학습 모델의 입력으로 사용되는 여러 가지 특징들이 연구되었다. 그중 엔트로피 개념을 이용한 가지 길이 유사성 엔트로피나 색채 강도 엔트로피 방법이 푸리에 변환이나 웨이블릿 등 다른 특징들에 비해 높은 정확성과 적은 학습 시간을 보여주었다. 본 논문은 나비의 컬러 영상에 대한 RGB 색채 강도 엔트로피를 이용한 특징 추출 알고리즘을 제안한다. 또한 제안한 특징 추출 방법과 대표적인 앙상블 모델들을 결합한 나비 인식 시스템을 개발하고 성능을 평가한다.

• 한국콘텐츠학회논문지
• /
• 제17권5호
• /
• pp.624-632
• /
• 2017

영상을 이용한 나비 종 자동 인식 기법은 생물종 다양성 연구 및 종의 진화, 발달 과정의 연구를 위한 기초 작업을 돕는 것으로 연구자들의 관심이 높다. 기계학습 기반의 나비 종 인식 시스템은 사용하는 특징 추출 방법에 성능이 크게 좌우되는 성질을 가지고 있다. 본 논문은 나비 영상이 가진 색채 강도의 분포를 이용하는 색채 강도 (Color Intensity) 엔트로피를 제안하고 기존에 제시된 가지 길이 유사성 (Branch Length Similarity) 엔트로피와 함께 사용할 경우 10% 이상의 인식률 향상을 얻을 수 있음을 보인다. 제안한 방법의 신뢰성 있는 성능 평가를 위해 영상 인식에 자주 사용되는 대표적인 특징 추출 방법인 아이겐 이미지, 2D 푸리에 변환, 2D 웨이블릿 변환 방법들을 비교 대상으로 다양한 기계학습을 이용해 성능을 평가한다.