인도-태평양 큰부리돌고래(Indo-Pacific bottlenose dolphin, IPBD)(Tursiops aduncus )는 해양 생태계의 핵심 종이다. 사진동정(photo-identification, photo-ID)은 등지느러미의 고유한 특징에 근거하여 개체를 식별함으로써 돌고래 개체군을 연구하는 데 사용되는 기본적인 방법이다. 최근 학습 기반 photo-ID 알고리즘의 발전에도 불구하고, 이러한 모델을 위한 훈련 데이터의 부족은 알고리즘 정확도를 향상시키는 데 병목이 되고 있다. 본 연구에서는 합성 영상 생성과 딥러닝을 활용하여 사진 기반 IPBD 식별의 성능을 개선하고자 하였다. 우리는 30마리의 돌고래에 대해 7500장의 합성 등지느러미 이미지를 생성하였고, ResNet50을 이용한 맞춤형 삼중항(triplet) 신경망을 훈련하여 개체를 구별하였다. 해당 모델은 상위 10개 후보군 내에서 84.8%의 정확도, 상위 5개 후보군 내에서 72.2%의 정확도를 달성하여, 이러한 기술들이 IPBD 모니터링 및 보전 노력의 향상에 기여할 가능성을 보여주었다. • 합성 이미지 기반 전이학습은 데이터 희소성 문제를 극복한다. • 새로운 삼중항 신경망은 돌고래 photo ID에서의 세부 수준 특징 학습을 향상시킨다. • 유연한 모델은 재훈련 없이 새로운 개체를 처리할 수 있어 장기적 확장성을 가능하게 한다.

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