웨어러블 디바이스를 이용한 반지도 학습 기반 반려동물 행동 분류 시스템
A Semi-Supervised Learning-Based Pet Behavior Classification System Using Wearable Devices
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 웨어러블 디바이스를 활용한 반려동물 행동 분류 시스템을 제안한다. 이 시스템은 DeepSVDD(Deep Support Vector Data Description) 알고리즘을 활용하여 비라벨 데이터에서 비활성 데이터를 효과적으로 제거하는 전처리 과정을 포함하였으며, 이를 통해 학습 성능을 개선하였다. 이후, MPL(Meta Pseudo Labels) 방법과 대조학습 기법을 적용하여 라벨이 없는 데이터에서도유용한 정보를 추출하여 학습에 반영하였다. 실험 결과, 라벨 비율이 20%일 때 87%의 정확도를, 라벨 비율이 60%일 때 91%의 정확도를 기록하며 제안된 시스템의 유효성을 입증하였다. 이러한시스템은 반려동물의 행동 데이터를 활용하여 건강 상태를 모니터링하거나 이상 행동을 조기에감지하는 데 실용적이며, 웨어러블 기술과 반지도 학습 기법의 융합을 통해 반려동물 행동 분석분야의 새로운 가능성을 제시한다.
Abstract
This study proposes a wearable device-based system for classifying pet behaviors. The system incorporates a preprocessing step that effectively removes inactive data from unlabeled datasets using the DeepSVDD (Deep Support Vector Data Description) algorithm, thereby enhancing training performance. Furthermore, the system applies the MPL (Meta Pseudo Labels) method and contrastive learning techniques to extract and utilize meaningful information from unlabeled data during training. Experimental results demonstrated the system's effectiveness, achieving 87% accuracy with a labeled data ratio of 20% and 91% accuracy with a labeled data ratio of 60%. This system is practical for monitoring the health status of pets or detecting abnormal behaviors at an early stage. By integrating wearable technology with semi-supervised learning techniques, it presents new possibilities in the field of pet behavior analysis.