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
질문

논문 기본 정보

자료유형
학술저널
저자정보
이철희 (안동대학교) 정윤주 (안동대학교)
저널정보
한국양봉학회 Journal of Apiculture Journal of Apiculture Vol.35 No.3
발행연도
2020.9
수록면
149 - 159 (11page)
DOI
10.17519/apiculture.2020.09.35.3.149

이용수

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

초록· 키워드

오류제보하기
세계적으로 개체 수가 급감하고 있는 꿀벌의 체계적인 관리를 위해서는 양봉 산업에 큰 피해를 주는 말벌류에 대한 실시간 모니터링 체계가 필요하다. 본 연구에서는 최근 실시간 영상인식에서 가장 우수한 성능을 보이는 YOLO 기반 심층 합성곱 신경망의 성능을 평가하였다. 기존의 심층 합성곱 신경망은 영상에 포함된 객체의 종류와 위치를 찾기 위해 영상 전체에 대해 반복적인 마스킹이 필수적이나 YOLO는 그리드 셀로 표현되는 영역별로 마스킹을 하므로 영상의 전체로 보면 한 번의 처리로 객체의 종류와 위치를 찾아 실시간 처리에 유리하다. 그러나 YOLO 역시 그리드 셀 영역에 대한 CNN 기반 특징추출 신경망이 필요하며 이 신경망의 특성에 따라 성능이 좌우된다. 따라서 본 연구에서는 다양한 기존의 특징추출 신경망과 YOLO를 결합하여 실시간 말벌 모니터링시스템의 구축에 가장 유리한 모델을 제시하였다. 실험 결과, VGG19를 특징추출 신경망으로 하고 YOLO를 결합한 모델이 인식성능 측면에서 가장 우수하였고 속도를 고려했을 때는 AlexNet이 유용한 대안이 됨을 확인하였다. 따라서 실시간 처리가 가능한 말벌 모니터링 구축시스템을 위해서는 VGG19 기반의 특징추출 레이어와 YOLO 알고리즘을 연결한 신경망을 이용하는 것이 처리 속도를 만족하면서 정확도의 측면에서 가장 우수하다는 것을 확인하였다.
#Deep CNN #Vespa monitoring system #YOLOv2 #Feature extraction layer #VGG19 #Transfer learning

목차

Abstract
서론
재료 및 방법
결과 및 고찰
적요
인용문헌

참고문헌 (13)

참고문헌 신청
Alex, K. / 2012 / ImageNet Classification with Deep Convolutional Neural Networks / NeurIPS 25:1097~1105 google schola 최문보 / 2013 / 한국산 말벌과의 종목록 정리 및 분포에 대한 고찰 / 한국응용곤충학회지 52(2):85~91 dbpia Christian, S. / 2015 / Going Deeper with Convolutions / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition :1~9 google schola Joseph, R. / 2016 / You only look once: Unified, Real-Time Object Detection / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition :779~788 google schola Joseph, R. / 2017 / YOLO 9000: Better, Faster, Stronger / Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition :7263~7271 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

‘80년 언론학살’에 대한 언론의 재조명
崔炯敏 관훈저널 2000 .09
1980년대 신군부의 언론검열 정책 -경제와 대학신문분야를 중심으로
이민규 동서언론 2001 .12
한국 현대사의 한 장면 3-언론학살과 수구 언론의 탄생(1980년)
강준만 인물과사상 2002 .11
해직언론인·통폐합언론사의 원상회복운동
김주언 월간말 1989 .07
YOLO와 CNN을 이용한 강인한 차량 번호판 인식 시스템 구현
김재정 ,  김창복 한국정보기술학회논문지 2021 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-527-001301500