딥러닝 CNN 모델을 이용한 무용 전공별 이미지 분류 실험

Image Classification Experiment by Dance Major Using Deep Learning CNN Model

국내 대학 무용학과 전공 분류는 크게 발레, 실용무용, 한국무용, 현대무용 4가지로 나누어진다. 전공별 문화적 특성을 반영하여 인공지능 딥러닝 알고리즘을 통해 무용 이미지를 전공별로 분류하는 합성곱 신경망 (Convolutional neural network, CNN) 모델들의 성능을 비교한다. 본 논문에서는 인터넷을 통해 수집된 총 977개의 학습데이터를 훈련하여 CNN의 대표적인 모델 VGG 16, InceptionResNetV2, ResNet 50의 성능을 비교하였고 최종 결과를 도출하였다. 실험결과 CNN 모델에서는 InceptionResNetV2 모델이 71.43%로 가장 높은 정확도를 보였으나, Inception ResNet V2 모델에서 과대적합 문제가 나타나 정확도 66.94%로 VGG16이 가장 안정적인 성능을 가진 모델로 판단되었다. 본 연구는 인공지능 합성곱 신경망 기술을 적용하여 무용 전공별 이미지 분류 가능성을 탐색하였다는 점에서 연구의 의의가 있다.

The major classification of dance departments in domestic universities is largely divided into four categories: ballet, practical dance, Korean dance, and modern dance. Reflecting cultural characteristics by major, the performance of Convolutional Neural Network (CNN) models that classify dance images by major through artificial intelligence deep learning algorithms is compared. In this paper, a total of 977 learning data collected over the Internet were trained to compare the performance of CNN's representative models VGG 16, InceptionResNetV2, and ResNet 50, and the final results were derived. As a result of the experiment, the InceptionResNetV2 model showed the highest accuracy at 71.43%, but the InceptionResNetV2 model showed an overfitting problem, and the VGG16 was judged to be the most stable model with 66.94% accuracy. This study is meaningful in that it explored the possibility of image classification by dance major by applying artificial intelligence convolutional neural network technology.