PENet: Pattern-Enhanced Feature Embedding Network for Few-Shot Cow Identification

최근 축산 현장 등에서 비용 효율적인 비접촉식 개체 관리의 필요성이 대두됨에 따라, 소수의 데이터만으로 개체를 정확히 식별하는 Few-shot 기반 식별 기술이 중요해지고 있다. 이에 본 논문에서는 RGB 영상만으로 개체 고유의 무늬 특징을 효과적으로 학습하는 임베딩 네트워크인 PENet을 제안한다. 제안하는 PENet은 개체의 전체적 외형을 파악하는 RGB branch와 고유의 얼룩무늬 패턴을 집중적으로 추출하는 Pattern branch의 이중 구조로 설계되었다. 또한, 실제 축사 현장의 복잡한 환경을 사실적으로 반영한 새로운 Few-shot 개체 식별 데이터셋을 구축하였다. 다양한 Few-shot 환경에서의 비교 실험 결과, PENet은 기존 임베딩 네트워크 대비 우수한 Top-1 식별 정확도를 달성하였다. 결론적으로 본 연구는 복잡한 실제 환경에서도 소수의 참조 영상만으로 신뢰도 높은 자동화 개체 식별 시스템을 구축할 수 있는 효과적인 방법론을 제시한다.