Marine life Image Recognition using Deep Learning

Q: 이 논문에서 정의한 전이 학습이란 무엇인가?

모델의 하위 계층에 설정된 가중치를 고정시킨 상태에서 상위 계층에 Dense Layer를 추가하여 미세 조정을 수행하는 학습 방법이다. 이를 통해 기존에 학습된 모델의 지식을 활용하여 새로운 데이터 세트에 최적화된 이미지 인식 성능을 구현한다.

Q: 제주 해양 생물 이미지 인식에 가장 효과적인 딥러닝 모델은 무엇인가?

연구 결과, MobileNetV2 모델이 60%의 정확도로 가장 높은 성능을 보였다. 특히 100번의 반복 학습을 통해 훈련된 이미지 테스트에서 어류 90.7%, 해조류 85.8%의 높은 인식 정확도를 기록하며 최적의 모델임을 입증하였다.

Jiyun Hong; Jiwon Lee; Somin Lee; Eun Ko; Gyubin Kim; Jungwoon Kang; Mincheol Kim

추천

검색

질문

자료유형: 학술저널

저자정보: Jiyun Hong (Jeju National University) Jiwon Lee (Jeju National University) Somin Lee (Jeju National University) Eun Ko (Jeju National University) Gyubin Kim (Jeju National University) Jungwoon Kang (Jeju National University) Mincheol Kim (Jeju National University)

저널정보: 한국정보통신학회JICCE Journal of information and communication convergence engineering Journal of information and communication convergence engineering Vol.22 No.3

발행연도: 2024.9

수록면: 221 - 230 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The aim of this study is to investigate the automatic recognition and analysis of Jeju marine-life images using artificial intelligence (AI) technology. The dataset of marine-life images was prepared using tools such as Python, TensorFlow, and Google Colab (Google Colaboratory). We also developed models by training deep learning AI in image recognition to automatically recognize the species found in these images and extract their associated information, such as taxonomy, characteristics, and distribution. This study is innovative in that it uses deep learning technology combined with imagerecognition technology for marine biodiversity research. In addition, these results will lead to the development of the marine-life industry in Jeju by supporting marine environment monitoring and marine resource conservation. Furthermore, this study is anticipated to contribute to academic advancement, specifically in the study of marine species diversity.

#Jeju #Marine Life Image Analysis #Generative AI Technology #Species Identification #Geographical Distribution

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)