메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제15권 제2호
발행연도
2020.1
수록면
195 - 203 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
야생조류의 활동과 분포는 생물 다양성을 평가할 수 있는 생물학적 지표가 된다. 조류의 서식지를 식별하기 위해서는 소리를 수집하고 분류하는 것이 필요하다. 새소리를 사용하면 야생조류의 위치나 종류를 쉽게 구별할 수 있다. 최근 머신러닝을 이용한 생물음향자료 분석에 대한 시도들이 늘어나고 있다. 딥러닝을 이용해 조류 울음소리를 분류하고자 한다. 조류 울음소리를 스펙트로그램 이미지로 변환한다. 스펙트로그램 이미지는 Convolutional Neural Network의 입력으로 사용한다. 일반적으로 분류하고자 하는 새소리 dataset은 노이즈를 많이 포함하고 있다. 심지어 노이즈를 포함한 데이터조차 구하기 어렵다. 데이터는 20종의 새를 약 200여 개씩 구했다. transfer learning을 기반으로 CNN모델인 ResNet34, ResNet50, AlexNet을 실험에 사용하였다. 실험 파라미터는 learning rate와 학습횟수이다. 그 결과, ResNet34에서 99.7%의 가장 높은 정확도를 보이고, 그 test에서는 평균 93%의 정확도를 보인다. 따라서 본 논문에서는 ResNet34을 이용해 20종의 조류 울음소리를 분류하는 Deep Learning 시스템을 구현하려고 한다. 이 시스템을 이용하여 조류 인플루엔자의 예방 등 다양한 활동에 도움이 될 수 있다.

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청
H-J. Kim / 2018 / A winter waterbird monitoring for AI surveillance / National Institute of Biological Resources google schola 박진현 / 2019 / 어종 분류를 위한 CNN의 적용 / 한국정보통신학회논문지 23(1):39~46 dbpia Y. LeCun / 1995 / Convolutional networks for images, speech, and time series / The handbook of brain theory and neural networks 3361(10):1~14 google schola What is Convolutional Neural Network? google schola Convolutional Neural Network Abstract google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0