19세기 이후 안타르кти카를 제외한 모든 대륙에서 대형 각룡류(ornithopod) 공룡 발자국이 확인되었다. 그러나 이러한 발자국에서는 역사적으로 ichnotaxa(화석 발자국 분류군)에서의 과도한 세분(oversplitting) 문제가 관찰되어 왔다. 본 연구는 이러한 문제를 해결하고 검증된 ichnotaxa를 구별하기 위해, 합성곱 신경망(convolutional neural network) 기반 Xception 전이학습(transfer learning)을 사용하여 각룡류 공룡의 발자국을 자동으로 분류하였다. 기계학습 모델은 수평으로 뒤집은 이미지를 제외하고 274개의 데이터 이미지로 학습하였으며, 162 에폭(즉, 모든 훈련 데이터가 모델을 통과하는 전체 주기의 수) 동안 훈련하였다. 훈련된 모델의 정확도는 96.36%였고, 검증 정확도는 92.59%였다. 우리는 학습 데이터셋에 포함되지 않은 발자국 도해(illustrations)를 사용하여 기계학습 모델의 성능을 시연하였다. 그 결과, 본 연구에서 개발한 기계학습 모델은 대형 각룡류 공룡 발자국의 도해 자료를 적절히 분류할 수 있음을 보여주었다. 다만 발자국 도해(또는 이미지) 자료의 품질은 본질적으로 기계학습 모델의 성능에 영향을 미치며, 잘 보존된 발자국에서 더 우수한 성능을 보였다. 또한 개발된 기계학습 모델은 전형적인 지도학습(supervised learning) 모델이므로 새로운 라벨이나 클래스(class)를 도입할 수 없다. 본 연구는 사진이나 3D 데이터가 아닌 도해를 사용하였으나, 대형 각룡류 공룡 발자국의 ichnotaxonic assignment(발자국 분류학적 배정)를 검증하기 위한 학술적 수준에서의 기계학습 기법 적용으로는 최초의 시도이다. 더 나아가, 기계학습 모델은 대형 각룡류 공룡 발자국의 ichnotaxa를 분류하는 데 연구자들에게 도움을 제공함으로써 과도한 세분 문제를 방지하는 데 기여할 가능성이 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.