ResMobileNet 모델을 활용한 교정 선별 기법 연구
A Letter Screening Method for Correctional Institutions Using the ResMobileNet Model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구는 교정시설 수감자가 수신하는 편지를 대상으로, 딥러닝 기반 자동 편지 선별 시스템 구축을 위해 다양한 합성곱 신경망(CNN) 모델의 성능을 비교한 것이다. 평가 대상 모델에는 MobileNet, ResNet, Inception과 같은 잘 알려진 구조뿐만 아니라, 최근 제안된 경량 모델인 ResMobileNet과 IGSe, 그리고 GroupConv 및 SE(Squeeze-and-Excitation)가 포함되었다. 각 모델은 “칼”이라는 한국어 단어가 포함된 이미지 데이터를 바탕으로 학습되었으며, 정확도, 처리 시간, 모델 경량성 측면에서 성능을 평가하였다. 총 1,197개의 편지 이미지 샘플이 실험에 사용되었으며, 이 중 1,140개는 일반 단어가 포함된 이미지이고, 57개는 타깃 단어(“칼”)가 포함된 이미지였다. 실험 결과, MobileNet 모델은 가장 짧은 처리 시간을 보여 실시간 응용에 적합한 것으로 나타났으며, IGSe 모델은 가장 높은 정확도를 기록하여 편지 선별 작업에 최적의 성능을 보였다. 본 연구는 딥러닝 기반 선별 기술이 교정시설 내 수감자 서신 관리에 있어 디지털 보안을 강화하는 데 효과적으로 활용될 수 있음을 시사한다.
Abstract
This study compares the performance of various convolutional neural network (CNN) models for building an automated deep learning-based letter screening system targeting letters received by inmates in correctional institutions. The models evaluated include well-known architectures such as MobileNet, ResNet, and Inception, as well as recently proposed lightweight models such as ResMobileNet and IGSe, along with GroupConv and SE. Each model was trained on image data containing the Korean word for "knife" ("칼") to assess performance in terms of accuracy, processing time, and model compactness. A total of 1,197 letter image samples were used in the experiment, including 1,140 images with normal words and 57 images containing the target word. The experimental results showed that the MobileNet model had the shortest processing time, making it suitable for real-time applications, while the IGSe model achieved the highest accuracy, demonstrating optimal performance for letter screening tasks. This study suggests that deep learning-based screening techniques can be effectively applied to enhance digital security in the management of inmate correspondence within correctional institutions.