earticle

영어

In this paper, we compared and analyzed the performance of four algorithms, Inception v3, Googlenet, Vgg16, and Resnet50, which are CNN-based classification algorithms, to Primary and Secondary Arc-bead and Molten mark generated in the event of an electrical fire. The most suitable algorithm for Primary and Secondary Arc-bead and Molten mark. The data used for learning were about 2,000 photos of 1st and 2nd short scars and 1000 photos of 1st and 2nd short scars of HIV wires taken under a microscope, respectively. Verification accuracy for each algorithm was 97.80% for Inception v3, 96.11% for Googlenet, 93.27% for Vgg16, and 96.54% for Resnet50, respectively, showing Inception v3 highest verification accuracy.

한국어

본 논문에서는 전기화재 발생 시 생성되는 1차, 2차 단락흔 및 열흔의 판별을 진행하기 위해 CNN 기반 의 분류 알고리즘인 Inception v3, Googlenet, Vgg16, Resnet50, 4가지 알고리즘의 성능을 비교 분석하여 1차, 2 차 단락흔 및 열흔 판별에 가장 적합한 알고리즘을 선별하였다. 학습에 사용된 데이터는 HIV 전선의 1차, 2차 단 락흔과 열흔 시료를 현미경으로 촬영한 각 1차, 2차 단락흔 2,000여 장 열흔 2,000여 장의 사진을 데이터로 활용 하였다. 각 알고리즘에 대한 검증정확도는 Inception v3 97.80%, Googlenet 96.11%, Vgg16 93.27%, Resnet50 96.54%로 각각 얻어 Inception v3 가장 높은 검증정확도를 보였다.