딥러닝 기반의 장소정보 분석시스템 개발
Development of Location Image Analysis System design using Deep Learning
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 장소 이미지를 수집하고 학습하여 사용자가 관심이 있어 하는 이미지의 장소를 예측하여 알려주는 서비스 개발을 목적으로 한다. 이미지 학습을 위한 이미지 데이터들은 크롤링 부분을 통해 수집되도록 설계되었다. 이미지 수집 이후 수집된 이미지들은 장소별로 라벨링 되어CNN의 다양한 층을 통하여 학습된다. 각 층을 거칠 때마다 입력받은 학습 데이터는 최적화하여특징 맵과의 비교를 반복하며 특정 장소 이미지의 특징 정보를 뽑아낸다. 충분한 학습 데이터가쌓이면 다양한 장소 이미지들에 대해 예측이 가능하다. 학습 결과 모델의 정확도는 79.2로 높은학습 정확도를 보였다.
Abstract
The research study was conducted for development of the advanced image analysis service system based on deep learning. CNN(Convolutional Neural Network) is built in this system to extract learning data collected from Google and Instagram. The service gets a place image of Jeju as an input and provides relevant location information of it based on its own learning data. Accuracy improvement plans are applied throughout this study. In conclusion, the implemented system shows about 79.2 of prediction accuracy. When the system has plenty of learning data, it is expected to predict various places more accurately.
참고문헌 (12)
- Marina Chatterjee, "What is TensorFlow? The Machine Learning Library Explained", ~ (2020)
- Tensorflow, "Customization basics: tensors and operations", ~ (2020)
- R. Bevans, "An introduction to the two-way ANOVA", ~ (2020)
- N. Taback, "Design of Experiments and Observational Studies:Factorial Designs at Two Levels –2k Designs", ~ (2020)
- J. Brownlee, "A Gentle Introduction to the Rectified Linear Unit (ReLU)", ~ (2020)
- Nathan Taback, "Design of Experiments and Observational Studies", ~ (2020)
- Jason Brownlee, "A Gentle Introduction to Pooling Layers for Convolutional Neural Networks", ~ (2019)
- Jason Brownlee, "A Gentle Introduction to the Rectified Linear Unit (ReLU)", ~ (2019)
- Prabhu, "Understanding of Convolutional Neural Network (CNN)Deep Learning", ~ (2018)
- M. J. Evan, "Probability and Statistics: The Science of Uncertainty", pp.586~590 (2005), University of Toronto
- Grace Karimi, "Introduction to YOLO Algorithm for Object Detection", ~ (2021)
- 장범석, "Sub-Frame Analysis-based Object Detection for Real-Time Video Surveillance", The International Journal of Internet, Broadcasting and Communication, 11(4), pp.76~85 (2019), 한국인터넷방송통신학회[DOI]