해충 이미지 분류를 위한 멀티스케일 교차 주의집중 비전 트랜스포머

김가은; 손창환

doi:10.14801/jkiit.2023.21.7.77

주제분류

...

저널정보

한국정보기술학회
한국정보기술학회논문지 학술저널
한국정보기술학회논문지 제21권 제7호(JKIIT, Vol.21, No.7)
2023.7 77 - 84 (8page)
DOI : 10.14801/jkiit.2023.21.7.77

저자정보

김가은 (군산대학교)
손창환 (군산대학교)

이용수
내서재: 3

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

해충은 작물을 가해함으로써 작물 생산성 감소와 품질 저하를 수반하다. 따라서 해충 종류를 신속 · 정확하게 파악하여 적합한 방제 작업을 적기에 실시하는 것이 중요하다. 기존의 해충 감별은 전문가의 육안 판단에 의해서 수행되기에 많은 시간과 인력 비용이 요구된다. 따라서 이 논문에서 해충 예찰 무인 자동화를 실현하기 위해, 해충 이미지로부터 해충 종류를 자동으로 판별하기 위한 딥러닝 모델을 제시하고자 한다. 특히, 본 연구에서는 관심 영역 기반의 교차 주의집중 모듈을 내장한 멀티스케일 비전 트랜스포머 모델을 제안하고자 한다. 제안한 모델은 이중 분기로 설계되었고 해충 분기와 관심영역 분기 간의 클래스 토큰과 패치 토큰을 상호교환하여 주의집중 기능을 강화하였다. 실험 결과를 통해서, 제안한 교차 주의집중 모듈이 특징 추출 능력을 향상하여 최종 분류 모델의 정확도를 약 1.3% 개선할 수 있음을 확인하였다.

Pests damage crops, resulting in reductions in crop productivity and quality. Therefore, it is important to promptly and accurately identify pest types and perform appropriate control work in a timely manner. Existing pest identification requires a lot of time because it is performed by visual judgment of experts. Therefore, in this paper, in order to realize the unmanned automation of pest prediction, we propose a deep learning model for automatically discriminating pest types from pest images. In particular, in this study, we propose a multiscale vision transformer model with a built-in cross-attention module based on the region-of-interest(ROI). The proposed model is designed as a dual branch, and the attentional function is strengthened by exchanging class tokens and patch tokens between the pest branch and the ROI branch. Through the experimental results, it was confirmed that the proposed cross-attention module can improve the feature extraction ability and improve the accuracy of the final classification model by about 1.3%.

#pest imgae classification #region-of-interests #cross attention #vision transformer