메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김거식 (한국전자통신연구원) 이문섭 (한국전자통신연구원) 손동훈 (한국전자통신연구원) 김정은 (한국전자통신연구원) 민기현 (한국전자통신연구원) 김계은 (한국전자통신연구원) 강현서 (한국전자통신연구원)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제57권 제7호(통권 제512호)
발행연도
2020.7
수록면
76 - 82 (7page)
DOI
10.5573/ieie.2020.57.7.76

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구에서는 클래스 불균형을 가진 피부질환 이미지 데이터셋을 딥러닝 모델을 이용하여 분류하는 문제에 있어서, 다수 클래스에 편향되지 않으면서, 희소 클래스의 분류 민감도를 높이기 위한 데이터 균형화 알고리즘을 딥러닝 학습에 적용하고 성능을 분석하였다. 이를 위해 불균형 데이터셋인 HAM10000에 데이터 균형화 알고리즘(ROS, SMOTE, ADASYN, BSMOTE, SVMSMOTE)을 적용하여 학습한 모델과 그렇지 않은 모델의 정확도, 민감도, 정밀도, F1 점수를 측정하여 분류 성능을 비교하고, 교차 검증(5-fold cross-validation)을 통해 그 효과를 분석하였다. 실험에 사용한 HAM100000 데이터셋은 7종 피부질환에 대해 총 10,015장의 피부경 이미지로 구성되며, 해상도는 600×450이다. 실험을 통해, 데이터 균형화 알고리즘 적용 후 피부질환 이미지 분류기의 민감도(3.1%∼6.6%), 정밀도(2.2%∼7.5%), F1 점수(2.7%∼6.6%)가 유의미하게 증가하였다(p<0.05). 이를 통해 데이터 균형화 알고리즘이 불균형 학습데이터의 분류 성능 향상에 기여할 수 있음을 확인하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 데이터 균형화 알고리즘
Ⅲ. 실험 방법
Ⅳ. 실험결과 및 고찰
Ⅴ. 결론
REFERENCES

참고문헌 (9)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-569-000882079