XAI 기반 반려견 품종 분류
XAI-based Dog Breed Classification
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
최근 반려견에 대한 관심이 날이 갈수록 뜨거워지고 있다. 우리나라는 반려견을 기르는 인구가 급증하면서 '펫코노미’ 시대가 도래했다. 2020년 현재 반려견은 약 512만 가구에서 기르는 것으로 나타났다. 사람들은 반려견을 입양할 때 외모와 성격에 따라 견종을 선택한다. 하지만 펫샾에서 더 비싼 품종으로 속이는 문제가 발생해오고 있다. 이에 딥러닝을 이용한 품종 구별에 관한 연구가 활발히 진행되어왔다. 하지만 딥러닝을 이용한 품종 구별 방법을 구매자가 이해하는 것은 어렵다. 이러한 문제를 해결하기 위해 본 논문에서 우리는 반려견의 품종을 구별하는 CNN 기반의 딥러닝 모델을 구축한 후 이를 XAI 기법 중 하나인 LIME을 이용하여 분류 근거를 이미지로 보여준다. 데이터 셋을 위해 우리나라에서 가장 많이 키우는 견종을 선정한 후, 서로 구분이 어려운 품종들을 추가하였다. 그런 다음 실험들을 통해 최적의 하이퍼파라미터들을 찾아 분류의 근거를 가장 잘 보여주는 이미지를 추출했다. 이를 근거로 펫을 입양하는 사람은 자신이 입양하려는 펫의 품종을 믿을 수 있고, 펫샵 역시 품종의 근거를 제시함으로써 신뢰를 구축할 수 있다.
Abstract
Recently, interest in companion dogs is getting hotter day by day. In korea, the era of petconomy has arrived as the population who owns dogs has rapidly increased. As of 2020, around 5.1 million households have companion dogs. When adopting a companion dog, people choose a dog breed based on the appearance and personality. However, cheating with more expensive breeds in pet shops has become a social problem. Accordingly, research on breed distinction using deep learning has been actively conducted. However, it is difficult for buyers to understand the breed identification method using deep learning. To solve this problem, in this paper, we build a CNN-based deep learning model that distinguishes dog breeds and visualize the classification basis as an image using LIME, one of the XAI techniques. For the data set, we selected the dog breeds that are raised the most in Korea, and then added the dog breeds that are difficult to distinguish from each other. Then through experiments, we found the optimal hyperparameters and extracted the images that best show the basis for classification. Based on this, a person who adopts a pet can trust the breed of the pet they want to adopt, and a pet shop can also build trust by presenting the evidence of the breed.
참고문헌 (16)
- "2020 Public Awareness Survey on Animal Protection"[URL]
- G. T. Hong, "A study on the management of dogs in the seoul metropolitan area : focus on home raising dogs", 석사, pp.2018
- A. Das, "Opportunities and challenges in explainable artificial intelligence (XAI): A survey" (2020)
- 이원진, "인공지능 딥러닝의 역사와 현황, 그리고 미래 방향", 대한치과의사협회지, 60(5), pp.299~314 (2022), 대한치과의사협회[DOI]
- 이중원, "인공지능에게 책임을 부과할 수 있는가?: 책무성 중심의 인공지능 윤리 모색", 과학철학, 22(2), pp.79~104 (2019), 한국과학철학회
- M. T. Ribeiro, "Why should i trust you?: Explaining the predictions of any classifier", Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.1135~1144 (2016)
- F. Chollet, "Xception: Deep learning with depthwise separable convolutions", IEEE Conference on Computer Vision and Pattern Recognition, pp.1800~1807 (2017)
- C. Szegedy, "Going deeper with convolutions", IEEE Conference on Computer Vision and Pattern Recognition, pp.1~9 (2015)
- K. He, "Deep residual learning for image recognition", IEEE Conference on Computer Vision and Pattern Recognition, pp.770~778 (2016)
- "70 Dog Breeds-Image Data Set"[URL]
- "The Oxford-IIIT Pet Dataset"[URL]
- "Starford Dogs Dataset"[URL]
- 정택현, "컴퓨터 비전과 딥러닝을 통한 견종식별 연구", 한국통신학회논문지, 44(12), pp.2323~2331 (2019), 한국통신학회[DOI]
- G. Aurelien, "Hands-on machine learning with scikit-learn, Keras, and TensorFlow" (2017), O'Reilly Media
- "XAI based Dog Breed Classification"[URL]