검출 정확도를 높이기 위한 군집화와 주성분분석을 이용한 딥러닝 클라스 연속 분류와 학습 방법

Abstract

본 발명은 컨볼루션 신경망(Convolutional neural Network, CNN)을 이용한 동물 얼굴 분류에서 효과적인 학습과 분류를 위한 종 분류 방법과 학습을 하기위한 방법에 관한 것이다

본 발명은 동물 얼굴 학습과 검출에 있어서 검출을 위한 분류 클하스로 학습을 하고, 같은 클라스로 분류된 동물에 대한 얼굴의 중요 비율요소를 머신러닝 주성분 분석으로 찾고 군집화를 이용하여 분류를 하면 분류가 된 돌물에 대해서 클라스를 분리하여 분류하는 다시 학습을 연속적으로 진행하여 클러스터링에서 종간 구분이 되지 않을 때까지 진행한다.

본 발명은 컨볼루션 신경망을 학습하기 위해 일반적인 동물 얼굴 학습데이터를 만들고 학습하는 단계: 학습 데이터와 학습 클라스에 얼굴 부위가 있을 경우 그것을 사용하거나, 검출하는 클라스가 얼굴만 있을 경우에는 얼굴 부위의 위치를 조사를 하고 각 얼굴 부위 간 비율을 구하고 그 비율 데이터를 이용하여 주성분 분석을 진행하여 얼굴 부위의 비율 중 가장 종 구분을 잘하는 요소(얼굴 부위의 비율)를 구하는 단계: 컨볼루션 딥러닝을 이용하여 분류를 진행하는 단계: 컨볼루션을 이용하여 분류된 동일 종으로 분류된 동물에 대해 앞의 주성분 분석에서 찾아낸 동물 얼굴에서 제일 분류하기 쉬운 얼굴 비율 요소를 이용하여 클러스터링 진행하는 단계: 클러스터링 결과를 바탕으로 같은 동물 종으로 분류된 동물에 대해 다시 분류해야 하는지에 판단하는 단계: 다시 분류해야 되면 분류하고자 하는 동물 이미지에서 학습 데이터를 만들고 학습하는 단계: 그리고 다시 분류를 진행하는 단계로 진행되며, 위의 순서가 반복해서 진행되면 더 이상 클러스터링으로 분리가 되지 않거나 충분히 분리되었다고 판단될 때까지 진행된다.