경량화 신경망 모델을 이용한 고해상도 매크로 이미지 분류 개선

• 영문명: Improving of High-Resolution Macro Image Classification using Lightweight neural network models
• 발행기관: 한국전자통신학회
• 저자명: 문수경(Soo-Kyung Moon) 정승언(Seung-Eon Jeong) 박대원(Dae-Won Park) 성윤모(Youn-Mo Soung) 권만성(Man-Sung Kwen) 조욱(Uk Cho) 강대인(Dae-In Kang) 정성호(Sung-Ho Jung) 김광준(Gwang-Jun Kim)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제2호, 363~370쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

최근 딥러닝 기반 이미지 분석 기술의 발전으로 농업 및 생명과학 분야에서 고해상도 이미지 데이터를 활용한 정밀 품질 평가가 가능해지고 있다. 고해상도 이미지 분류를 정확하게 분석하기 위해서 연산 효율성과 예측 성능을 동시에 확보할 수 있는 경량화된 딥러닝 모델인 ResMobileNet을 제안하였다. 고추종자 450개의 고해상도 이미지 데이터를 표준화된 발아 실험을 통해 구축하였으며, 총 8가지 딥러닝 모델과 비교하여 평가하였다. 시뮬레이션 결과, MobileNet_v2 모델이 98.67%의 정확도와 97.82%의 F1 점수로 가장 우수한 성능을 나타냈고, MobileViT_S 모델도 99.57%의 정확도와 98.01%의 F1 점수로 뛰어난 성능을 보였다. 두 모델 모두 100%의 발아율(GermRate)을 달성하여 씨앗 선별 과정에서 자원 낭비 최소화 가능성을 입증하였다.

영문 초록

Recent advances in deep learning-based image analysis technology have made it possible to evaluate precision quality using high-resolution image data in agriculture and life sciences. In order to accurately analyze high-resolution image classification, we proposed ResMobileNet, a lightweight deep learning model that can secure computational efficiency and prediction performance at the same time. The high-resolution image data of 450 pepper seeds were built through standardized germination experiments and evaluated by comparing a total of 8 deep learning models. As a result of the simulation, the MobileNet_v2 model showed the best performance with 98.67% accuracy and 97.82% F1 score, while the MobileViT_S model also showed excellent performance with 99.57% accuracy and 98.01% F1 score. Both models achieved a 100% germination rate, demonstrating the possibility of minimizing resource waste in the seed sorting process.

목차

Ⅰ. 서 론

Ⅱ. 고해상도 이미지 분류를 위한 경량화 신경망 모델

Ⅲ. 데이터 셋과 처리

Ⅳ. 시뮬레이션 결과

Ⅴ. 결 론

References

키워드

딥 러닝 경량화 신경망 고해상도 이미지 분류 고추종자 발아율 Deep Learning Lightweight Neural Network High-Resolution Image Classification Pepper seeds Germination Rates