현재 위치
Home
기술 융합(TC)
드론 식별 시스템을 위한 합성곱 신경망 기반 이미지 분류 모델 성능 비교
Performance Comparison of CNN-Based Image Classification Models for Drone Identification System
-
- 발행기관
- 국제문화기술진흥원 바로가기
-
- 간행물
- The Journal of the Convergence on Culture Technology (JCCT) KCI 등재 바로가기
-
- 통권
- Vol.10 No.4 (2024.07)바로가기
-
- 페이지
- pp.639-644
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A453342
※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.
원문정보
초록
- 영어
- Recent developments in the use of drones on battlefields, extending beyond reconnaissance to firepower support, have greatly increased the importance of technologies for early automatic drone identification. In this study, to identify an effective image classification model that can distinguish drones from other aerial targets of similar size and appearance, such as birds and balloons, we utilized a dataset of 3,600 images collected from the internet. We adopted a transfer learning approach that combines the feature extraction capabilities of three pre-trained convolutional neural network models (VGG16, ResNet50, InceptionV3) with an additional classifier. Specifically, we conducted a comparative analysis of the performance of these three pre-trained models to determine the most effective one. The results showed that the InceptionV3 model achieved the highest accuracy at 99.66%. This research represents a new endeavor in utilizing existing convolutional neural network models and transfer learning for drone identification, which is expected to make a significant contribution to the advancement of drone identification technologies.
- 한국어
- 최근 전장에서의 드론 활용이 정찰뿐만 아니라 화력 지원까지 확장됨에 따라, 드론을 조기에 자동으로 식별하 는 기술의 중요성이 더욱 증가하고 있다. 본 연구에서는 드론과 크기 및 외형이 유사한 다른 공중 표적들인 새와 풍 선을 구분할 수 있는 효과적인 이미지 분류 모델을 확인하기 위해, 인터넷에서 수집한 3,600장의 이미지 데이터셋을 사용하고, 세 가지 사전 학습된 합성곱 신경망 모델(VGG16, ResNet50, InceptionV3)의 특징 추출기능과 추가 분류 기를 결합한 전이 학습 접근 방식을 채택하였다. 즉, 가장 우수한 모델을 확인하기 위해 세 가지 사전 학습된 모델 (VGG16, ResNet50, InceptionV3)의 성능을 비교 분석하였으며, 실험 결과 InceptionV3 모델이 99.66%의 최고 정확 도를 나타냄을 확인하였다. 본 연구는 기존의 합성곱 신경망 모델과 전이 학습을 활용하여 드론을 식별하는 새로운 시도로써, 드론 식별 기술의 발전에 크게 기여 할 것으로 기대된다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
1. 관련 연구
2. 관련 이론
Ⅳ. 실험 및 분석
1. 학습데이터
2. 실험방법
3. 실험 결과 및 분석
Ⅴ. 결론
References
키워드
드론 전이 학습 이미지 분류 합성곱 신경망 공중표적 Drones Transfer learning Image classification Convolutional Neural Networks Aerial targets저자
간행물 정보
발행기관
-
- 발행기관명
- 국제문화기술진흥원 [The International Promotion Agency of Culture Technology]
- 설립연도
- 2009
- 분야
- 공학>공학일반
- 소개
- 본 진흥원은 문화기술(Culture Technology) 관련 산·학·연·관으로 구성된 비영리 단체이다. 문화기술(CT)은 정보통신기술(ICT), 문화적 사고 기반의 예술, 인문학, 디자인, 사회과학기술이 접목된 신융합기술(New Convergence Technology, NCT)로 정의한다. 인간의 삶의 질을 향상시키고, 진보된 방향으로 변화시키고, 문화기술 관련 분야의 학술 및 기술의 발전과 진흥에 공헌하기 위하여, 제3조의 필요한 사업을 행함을 그 목적으로 한다.
간행물
-
- 간행물명
- The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]
- 간기
- 격월간
- pISSN
- 2384-0358
- eISSN
- 2384-0366
- 수록기간
- 2015~2025
- 등재여부
- KCI 등재
- 십진분류
- KDC 600 DDC 700
이 권호 내 다른 논문 / The Journal of the Convergence on Culture Technology (JCCT) Vol.10 No.4
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.