표제지
목차
요약 9
Abstract 10
1. 서론 11
1.1. 연구의 필요성 11
1.2. 연구의 목적 및 방법 12
1.3. 논문의 구성 13
2. 관련 연구 14
2.1. 기존 연구 14
2.2. YOLO 15
2.3. 전이 학습(transfer learning) 17
2.4. 음식영양정보 17
3. 스마트폰을 활용한 음식인식 및 칼로리 추정 18
3.1. YOLOv5를 이용한 음식인식 모델 개발 18
3.1.1. 데이터 수집 20
3.1.2. 데이터 라벨링 22
3.1.3. 데이터 증강 25
3.1.4. 딥러닝 모델 학습 방법 28
3.2. 제안 시스템의 동작 과정 29
3.2.1. 참조 객체 기반 칼로리 추정 방법 30
3.2.2. 참조 객체가 존재하지 않는 경우 34
3.3. 인식된 음식에 대한 영양정보의 정보 취득 34
4. 음식인식 및 칼로리 추정 앱 구현 37
4.1. 앱 개발환경 37
4.2. 앱 구현 화면 38
4.3. 성능평가 41
4.3.1. 정성적 비교 평가 42
4.3.2. 정량적 비교 평가 43
4.3.3. 한계점 48
5. 결론 50
참고 문헌 51
표 1. 한국 이미지(음식) 데이터 종류 예시 21
표 2. 라벨링 데이터 예시 24
표 3. 데이터 종류 및 개수 27
표 4. 참조객체 및 그 크기 31
표 5. 그림 12.의 딥러닝 모델을 통한 예측 결과값 32
표 6. 음식영양정보 데이터 34
표 7. 음식영양정보 데이터 출력 결과 예시 36
표 8. 정성적 비교 평가 42
표 9. 모델의 성능 평가 지표 설명 45
표 10. 모델의 성능 평가 지표 46
그림 1. 다중 객체 인식 이미지 12
그림 2. YOLO 모델의 기본 동작 원리 15
그림 3. YOLO 모델의 객체탐지 과정 16
그림 4. 스마트폰을 활용한 음식 인식 및 칼로리 추정 알고리즘 19
그림 5. 한국 음식 이미지 예시 21
그림 6. labelimg 프로그램 22
그림 7. 라벨링 데이터 예시 23
그림 8. Roboflow 라벨링 된 데이터 24
그림 9. 데이터 증강 예시 26
그림 10. YOLOv5 모델 종류 28
그림 11. 스마트폰을 활용한 음식 인식 및 칼로리 추정 의사코드 29
그림 12. 참조 객체가 존재하는 경우 이미지 예시 32
그림 13. 음식영양정보 데이터 예시 35
그림 14. 앱 개발환경 38
그림 15. 앱 초기 화면 39
그림 16. 참조 객체가 존재하는 경우 40
그림 17. 참조 객체가 존재하지 않는 경우 41
그림 18. YOLOv5 모델의 학습과정 및 성능지표 1 43
그림 19. YOLOv5 모델의 학습과정 및 성능지표 2 44
그림 20. Precision-Recall Curve 46
그림 21. Confusion matrix 47
그림 22. 딥러닝 모델의 예측 결과 49