기계에 대한 새로운 학습 방법의 등장과 함께 기계학습을 이용한 영상 인식에 대한 관심이 높다. 스마트 기기를 이용한 영상 획득이 활발해지면서, 촬영한 영상 속 생물 개체의 이름을 자동으로 알려 주는 기계학습 기반의 영상인식 기술은 대중적인 호기심을 충족시킬 뿐 아니라 생물학 및 영상인식 연구자들에게도 매력적인 주제이다. 본 발표에서는 15종의 나비 영상으로부터 나비의 형태(shape) 및 색깔과 같은 영상정보를 개체 인식에 이용하는 기계학습 기반의 나비인식 방법을 소개 한다. 우선 나비의 형태나 색깔로부터 각 종을 대표해 기계의 학습 데이터로 사용될 특징(feature) 추출을 위한 몇 가지 방법들에 대해 알아본다. 그리고 추출된 특징들을 학습 데이터로 이용해 세 가지 대표적인 기계학습 방법(베이지안 분류기, 인공신경망, 서포트 벡터 머신)을 학습시키는 방법 및 테스트 데이터를 이용한 성능평가 방법을 소개한다.

생물 종 다양성 및 보존에 대한 필요성은 곤충과 같은 생물 개체의 정확하고 효율적인 인식 방법에 관심을 불러 일으켰다. 특히 스마트 폰과 같은 디지털 정보가전의 발달과 보급으로 인해 영상 매체를 이용한 곤충 종의 자동인식에 대해 많은 연구가 이루어지고 있다. 본 논문은 나비 영상 인식을 위해 가지 길이 유사성 엔트로피(Branch Length Similarity Entropy)를 이용한 특징 추출 방법을 제안한다. 제안한 특징 추출 방법은 나비의 윤곽으로부터 높은 곡률을 가진 특징점들을 추출한 다음 이들 사이를 네트워크로 구성하고 특징점 간의 길이 분포를 엔트로피로 표현한 것이다. 제안한 특징 추출 방법의 성능을 평가하고자 15종의 나비 영상을 대상으로 지도학습 기반 기계학습 방법인 베이지안 분류기, 인공 신경망 및 서포트 벡터 머신을 이용해 기존에 제시된 퓨리에 기술자 및 웨이블릿 기술자와 비교하였다.