표제지
목차
국문요약 9
I. 서론 10
II. 관련 연구 15
2.1. 딥러닝 15
2.2. 합성곱 신경망 16
2.3. 데이터 증폭 17
2.4. 전이학습 18
2.4.1. 사전학습 모델의 종류 19
2.4.2. VGGNet 20
2.4.3. ResNet 21
2.4.4. Inception & Xception 21
2.4.5. MobileNet 22
2.4.6. DenseNet 22
III. 제안 방법론 23
3.1. 연구 방법 23
3.2. 실험 환경 27
IV. 실험 및 결과 28
4.1. 기본 CNN 모델 28
4.2. VGGNet 기반 전이학습 모델 29
4.3. ResNet 기반 전이학습 모델 31
4.4. Inception & Xception 기반 전이학습 모델 34
4.5. MobileNet 기반 전이학습 모델 36
4.6. DenseNet 기반 전이학습 모델 39
4.7. 기준 모델과 계열별 제안 모델의 성능 비교 42
V. 결론 43
참고문헌 45
Abstract 49
〈표 1〉 정상발과 편평발 11
〈표 2〉 데이터 증폭 기술들 18
〈표 3〉 이미지 데이터셋의 사양 24
〈표 4〉 데이터셋 분할 25
〈표 5〉 실험 환경 27
〈표 6〉 VGGNet 계열 전이학습 모델의 정확도 비교 30
〈표 7〉 ResNet 계열 전이학습 모델의 정확도 비교 33
〈표 8〉 Inception & Xception 계열 전이학습 모델의 정확도 비교 35
〈표 9〉 MobileNet 계열 전이학습 모델의 정확도 비교 38
〈표 10〉 DenseNet 계열 전이학습 모델의 정확도 비교 40
〈표 11〉 기준 모델과 계열별 제안 모델의 시험 정확도 비교 42
〈그림 1〉 CNN의 아키텍처 구조 16
〈그림 2〉 케라스 애플리케이션에서 제공하는 사전학습 모델 19
〈그림 3〉 VGG16의 아키텍처 구조 20
〈그림 4〉 데이터 증폭과 전이학습을 적용하는 제안 방법론 24
〈그림 5〉 이미지 데이터 증폭의 결과 26
〈그림 6〉 기준 모델의 훈련 및 검증 정확도 28
〈그림 7〉 VGGNet 기반 전이학습 모델의 훈련 및 검증 정확도 29
〈그림 8〉 VGGNet 기반 전이학습 모델별 비교 30
〈그림 9〉 ResNet 기반 전이학습 모델의 훈련 및 검증 정확도 31
〈그림 10〉 ResNet 기반 전이학습 모델별 비교 33
〈그림 11〉 Inception & Xception 기반 전이학습 모델의... 34
〈그림 12〉 Inception & Xception 기반 전이학습 모델별 비교 36
〈그림 13〉 MobileNet 기반 전이학습 모델의 훈련 및 검증 정확도 37
〈그림 14〉 MobileNet 기반 전이학습 모델별 비교 38
〈그림 15〉 DenseNet 기반 전이학습 모델의 훈련 및 검증 정확도 39
〈그림 16〉 MobileNet 기반 전이학습 모델별 비교 41
〈그림 17〉 기준 모델과 계열별 제안 모델의 성능 비교 42