PetKeeper_DeepLearning

안구 질환 식별 프로세스

1. 안구 식별 모델

• 사용 모델 : YOLOv5
• 학습 데이터 : DOG-EYES_ver.4 (Robofow)
• mAP50 : 0.95

2. 이미지 흐림 정도 식별 알고리즘

Laplacian Transform의 분산을 사용하여 이미지의 흐림 정도를 식별하는 알고리즘으로 이미지가 흐린 경우, 경계가 덜 뚜렷하게 나타나므로 Laplacian Transform의 결과도 덜 뚜렷하게 나타난다.
따라서 이미지가 흐릴수록 Laplacian Transform의 분산이 낮아진다.
분산이 300 이하인 경우에 흐린 이미지로 판별하여 식별 불가 판정을 내린다.

3. 안구 질환 식별 모델

• 모델 : pytorch 프레임워크를 사용하여 pre-trained된 GoogleNet, DenseNet, VGG, MobileNet, ResNet 모델들에 대해 trasfer-learning을 수행하여 ensemble로 구성

• 학습 데이터 : 반려동물 안구 질환 데이터 (AI Hub)

  • 사용된 데이터는 강아지의 눈 질환에 대한 이미지로, 정상, 결막염, 각막염, 유루증, 백내장의 5개 클래스로 구성되어 있으며, 클래스당 3000장의 이미지를 사용
  • Training 70%, Validation 20%, Test 10%의 비율로 나누어 학습을 진행
  
  

1. GoogleNet ((best validation accuracy: 0.768)

2. DenseNet (best validation accuracy: 0.69)

3. ResNet (ResNet (best validation accuracy: 0.766)

4. VGG (ResNet (best validation accuracy: 0.763)

5. MobileNet (best validation accuracy: 0.768)

Ensemble Model (best validation accuracy: 0.79)

2. 피부질환 식별 모델

• 사용 알고리즘 : CNN
• 모델 : Custom CNN, AlexNet, ResNet 등의 여러 CNN 모델을 Ensemble로 적용