최근 딥러닝을 통하여 이미지 분류 및 객체 검출 등에 대한 연구가 활발히 진행되고 있다. 또한 특정 부류에 사전 학습된 딥러닝 모델의 신경망 기능을 그대로 유지하거나 일부 변경하여 새로운 신경망 학습에 사용하는 전이학습에 대한 연구도 활발히 진행되고 있다. 그러나 이미지 학습을 위해서는 많은 양의 데이터 셋이 필요하지만 원하는 종류 및 수량의 이미지를 확보하기는 어렵다. 본 논문에서는 새의 품종 분류를 위하여 구글 웹사이트 크롤링을 통하여 대량의 이미지를 수집하였고, 여러 단계별 전처리를 통하여 학습에 사용 가능한 이미지를 선별하였다. 그리고 ImageNet으로 사전 학습한 ResNet50 모델을 사용하여 새의 품종을 분류하는 미세조정 방식 전이학습을 수행하였다. 또한 새 품종 분류를 위한 데이터 셋인 CUB_200-2011 데이터 셋을 이용하여 학습한 모델을 테스트하였으며 87.87%의 정확률로 검색 이미지에 대한 신뢰도를 얻을 수 있었다.

Recently, research on image recognition and object extraction has been actively carried out through deep learning. In addition, research on transfer learning, which is used for new neural network learning by maintaining or partially changing the neural network function of a deep learning model pre-trained in a specific field, is also being actively conducted. However, although a large number of datasets are required for image learning, it is difficult to obtain desired quantities of images. In this paper, a large number of images were collected through Google and bird-related professional website crawling for bird breed classification, and images that can be used for learning were selected through various preprocessing. Then, using the ResNet50 model pre-trained with ImageNet, fine-tuning transfer learning was performed to classify bird breeds. In addition, the trained model was tested using the CUB_200-2011 data set, which is a data set for classifying new breeds, and the reliability of the search image was obtained with an accuracy of 87.87%.