실험을 통하여 제안한 합성곱 신경망이 비교 시스템인 Alexnet과 VGG16에 비하여 제주의 강우패턴 분석에서 높은 인식률을 나타냄을 보였다. 인식률은 신 경망 시스템의 성능을 측정하는 중요한 척도로 널리 사용되고 있으므로, 이러한 높은 인식률은 제안시스템이 제주의 강우패턴 분석에 유용함을 보여준다. 인식률 외에도 신경망의 성능을 평가 할 수 있는 방법의 하나가 학습속도(수렴속도)다.
빠른 학습속도를 가지는 신경망의 경우는 성능 향상을 위한 재학습이 쉬우므로 높은 인식률을 빠른 시간에 얻는 시스템은 실제 응용에서 또한 유용하다. 제안시 스템과 비교 시스템의 수렴 패턴이 Fig 4.1에 나타나 있다. Fig. 4.1에서 보듯이 제안시스템은 Alexnet보다 수렴속도가 늦지만 VGG16보다 빨리 수렴하는 것으 로 나타난다. 그러나 학습에 대한 목표치에 해당하는 70% 이상의 인식률에 이르 는 속도는 제안시스템이 가장 빠름을 보여준다. 이런 결과는 제안 모델이 평균 정확도가 다른 모델에 뛰어나면서도 타 모델보다 효율적임을 보여준다.
Fig 4.1 제안시스템과 비교시스템간 수렴 속도 비교
Fig 4.2는 제안시스템에서 오인식된 테스트 영상의 일부다. 제안시스템에서 비 를 맑음으로, 맑음을 비로 오인식한 24시간 단위(24개) 수증기 영상과 4시간 단 위(6개) 온도 영상의 입력패턴이다. 수증기 영상은 흰색 (구름역), 회색 (수증기 역), 검은색 (건조역)으로 구성된다고 Ⅰ장에서 언급했다. 각 영상에서 좌로 두 번째 이미지만 온도 영상이고, 나머지는 수증기 영상이다. 그리고, 괄호 전은 실 제 날씨를 괄호 안은 제안 모델이 오인식한 날씨(라벨)를 의미한다. 따라서 (a) 영상은 2016년 7월 7일 날씨가 원래 비였지만, 제안 모델이 맑음으로 인식한 것 을 의미한다. Fig 4.2에서 {(a), (b)}, {(c), (d)}, 그리고 {(e), (f), (g)} 그룹 영 상은 수증기 영상의 각 회색 영역, 검은색 영역, 흰색 영역의 분포 유사성 기준 으로 분류했다. {(a), (b)}, {(e), (f), (g)} 그룹 영상은 회색 또는 흰색 영역이 넓어 수증기량이 많음을 추측할 수 있고, {(c), (d)}는 검은색 영역이 넓어 건조 하여 날씨가 맑으리라 추측할 수 있다. 그러나, 각 그룹 내의 영상은 원래 날씨 가 비였는데 제안 모델이 맑음으로 판단하거나, 그 반대로 판단한 예를 모두 포 함한다. 특히 {(e), (f), (g)} 그룹에서는 (g)는 (e)에 비해 (f)는 온도 영상의 차 이 크다. 그리고, 제안 모델은 (e), (f)를 맑음으로, (g)를 비로 오인식했다. 그런 데, {(c), (d)} 그룹 영상에 (c) 영상은 실제 날씨가 비로 특별한 사례지만, (d) 와 유사한 영상의 경우는 대부분 맑음으로 인식했으며, 오히려 (d)가 예외적으로 오인식한 예이다. 따라서, 오인식을 줄이기 위해서는 실험에 사용했던 4년 치보 다 많은 수증기 영상 자료가 필요하리라 본다.
(a) 2016/7/7 비(맑음) (b) 2016/10/9 맑음(비)
(c) 2017/3/29 비(맑음) (d) 2017/3/9 맑음(비)
(e) 2016/7/1 비(맑음) (f) 2017/3/31 비(맑음) (g)2017/7/17 맑음(비) Fig 4.2 제안 모델의 오인식 예
Ⅴ.결론 및 향후 연구 방향
Ⅵ.참고 문헌
[1]국가기상위성센터, 기상위성영상의 이해(Ⅰ), 국가기상위성센터, 2013 [2]최광용, 한라산의 사계절 극한강수현상 발생 패턴, 기후연구 제8권 제4호,
건국대학교 기후연구소, 2013, pp. 267~280
[3]제주지방기상청, 지역기후변화보고서[제주도], 제주지방기상청, 2011 [4]Frederick K. Lutgens⦁Edward J. Tarbuck, 대기과학 제13판, 안중배⦁
김준⦁류찬수⦁박선기⦁서명석⦁이화운⦁정일웅⦁정형빈 역, (2018.12), 한국기상학회, 2018, pp. 443-455
[11]Luiz G.. Hafemann, L. S. Oliveira, and P. Cavalin, “Forest species recognition using deep convolutional neural networks”,
2014 22nd International Conference on Pattern Recognition, 2014, pp. 1103–1107
[12]마이클 네그네빗스키, 인공지능 개론, 김용혁 역, 한빛아카데미, 2013 [13]도용태, 김일곤, 김종완, 박창현, 강병호, 인공지능 : 개념 및 응용 4판 ,
㈜사이텍미디어, 2014
Learning Algorithm for Deep Belief Nets”, Neural Computation archive Volume 18 Issue 7(July 2006), 2006, pp.1527–1554
[15]G. E. Hinton and R. R. Salakhutdinov, “Reducing the Dimensionality of Data with Neural Networks”, Vol. 313, Issue 5786(Science 28 Jul 2006), 2006, pp. 504-507
[16]Shiliang Zhang, Yebo Bao, Pan Zhou, Hui Jiang and Lirong Dai,
“Improving deep neural networks for LVCSR using dropout and shrinking structure”, 2014 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2014
[17]Geoffrey E. Hinton, Nitish Srivastava, Alex Krizhevsky, Ilya Sutskever and Ruslan R. Salakhutdinov, “Improving neural networks by preventing co-adaptation of feature detectors”, Department of Computer Science University of Toronto, 2012
[23]Rafael C. Gonzalez⦁Richard E. Woods, 디지털 영상처리 3판, 유현중⦁
김태우⦁오춘석 역, ㈜피어슨에튜케이션코리아, 2013
[24]Vincent Andrearczyk, “Deep learning for texture and dynamic texture analysis”, PhD thesis, Dublin City University, 2017
[25]Yann LeCun, Leon Bottou, Yoshua Bengio and Patrick Haffner,
“Gradient-based learning applied to document recognition”, Proceedings of the IEEE ( Volume: 86 , Issue: 11 , Nov 1998 ), 1998, pp. 2278-2324 [26]F. H. C. Tivive and A. Bouzerdoum, “Texture classification using
convolutional neural networks”, TENCON 2006 - 2006 IEEE Region 10 Conference, 2006, pp. 1–4
[27]Phil. Brodatz, “Texture: A photographic album for artists and designers”, Dover Pubns, 1966
[28]V. Andrearczyk and P. F. Whelan, “Using filter banks in convolutional neural networks for texture classification”, Pattern Recognition Letters vol. 84, 2016, pp. 63-69
[29]국가기상위성센터, http://nmsc.kma.go.kr/homepage/html/main/main.do, (접속일:2019.10.07.)
[30]기상자료개방포털, https://data.kma.go.kr/cmmn/main.do, (접속일:2019.10.07.)
[31]예보용어해설, https://web.kma.go.kr/HELP/html/help_fct008.jsp , (접속일:2019.10.07.)
[32]강수확률정의,
http://www.isntimes.co.kr/news/articleView.html?idxno=2294, (접속일 :2019.10.07.)
[33]기상청, 초급 예보관 훈련용 교재 : 수치예보, 기상청
[34]Alex Krizhevsky, Ilya Sutskever and Geoffrey E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks”, Proceeding NIPS'12 Proceedings of the 25th International Conference on Neural Information Processing Systems - Volume 1, 2012, pp. 1097-1105 [35]Karen Simonyan, Andrew Zisserman, “Very Deep Convolutional
Networks for Large-Scale Image Recognition”, conference paper at ICLR 2015, 2014