Pet Owner Behavior
Enhancement Pet Welfare: Competnt Emotion Recognition Using Compact Convolutional Transformer
Enhancement Pet Welfare: Competnt Emotion Recognition Using Compact Convolutional Transformer
- 저자: Deepti Razdan; Anil Pimlapure
- 출처: - (2026)
- DOI/링크: https://doi.org/10.55041/ijcope.v2i8.149
- 연구 계열: Topics/Pet Owner Behavior
- 정리일: 2026-09-07
TL;DR
본 연구는 Compact Convolutional Transformer 모델을 제안하여 개의 감정 상태(행복, 이완, 분노)를 인식하며, CNN과 Vision Transformer를 결합한 이 모델이 기존 모델들보다 더 높은 정확도를 달성했다.
1. 연구 배경 및 동기
- 다루는 문제: 딥러닝과 인공지능의 발전으로 언어 및 시각 데이터를 기반으로 감정을 인식할 수 있게 되었다. 반려동물의 경우 주인이 개의 감정 상태를 파악하여 행동을 적절히 조절하고 통제해야 한다.
- 기존의 공백 / 왜 필요한가: 기존의 CNN 모델과 Vision Transformer 모델 각각의 한계를 극복하고, 개의 감정 인식에 더욱 효율적이고 정확한 방법이 필요하다.
2. 관련 연구
- 기존 연구 흐름: 딥러닝을 이용한 감정 인식 기술과 반려동물의 얼굴 표정 분류에 관한 연구들이 진행되어 왔다.
- 이 논문의 위치: 본 연구는 CNN과 Vision Transformer를 결합한 Compact Convolutional Transformer 모델을 제안하여 기존의 단일 모델들보다 우수한 성능을 달성한다.
3. 핵심 기여
- 개의 감정 상태를 3가지 범주(행복, 이완, 분노)로 분류하는 감정 예측 실험 수행
- CNN과 Vision Transformer를 결합한 Compact Convolutional Transformer 모델 제안
- 제안 모델이 기존 CNN 모델과 Vision Transformer 모델 대비 더 높은 정확도 달성
4. 제안 방법론
- 전체 접근 논리: Convolutional Neural Network와 Vision Transformer 모델을 결합하여 개의 얼굴 표정으로부터 감정 상태를 효율적이고 정확하게 인식하는 Compact Convolutional Transformer 모델을 개발한다.
- 단계:
- 개의 감정 상태를 3가지 범주(행복, 이완, 분노)로 정의
- CNN과 Vision Transformer를 결합한 Compact Convolutional Transformer 모델 구축
- 제안 모델과 기존 CNN, Vision Transformer 모델 성능 비교
5. 실험 설정
| 항목 | 내용 |
|---|---|
| 대상/재료 | 개의 얼굴 표정 데이터 |
| 처리 조건 | - |
| 대조군 | CNN 모델, Vision Transformer 모델 |
| 측정 방법 | 정확도(accuracy) |
6. 실험 결과 분석
| 지표 | 변화(Δ) | 조건 · 유의성 |
|---|---|---|
| 정확도 | 최고 정확도 달성 | Compact Convolutional Transformer 모델이 CNN 모델과 Vision Transformer 모델 대비 |
제안 기전(인과 사슬):
CNN (특징 추출) + Vision Transformer (전역 맥락 학습) → Compact Convolutional Transformer → 개의 감정 상태 인식 성능 향상
7. 비판적 평가
강점
- CNN과 Vision Transformer의 장점을 결합하여 효율성과 정확성을 동시에 달성
- 개의 감정 인식이라는 실질적인 반려동물 복지 문제에 적용
- 기존 단일 모델들 대비 우수한 성능 입증
한계 · 의문
- 초록에서 구체적인 정확도 수치가 제시되지 않음
- 데이터셋 규모, 개의 품종 다양성 등 실험 설정 상세 정보 부재
- 3가지 감정 범주만 다루고 있어 더 세분화된 감정 분류의 필요성
8. 향후 연구 방향
- 더 다양한 감정 상태 범주로 확장
- 실제 반려동물 복지 시스템에 적용 및 검증
- 다양한 개 품종과 환경에서의 모델 일반화 성능 개선
9. 결론
본 연구에서 제안한 Compact Convolutional Transformer 모델은 개의 감정 인식에 효율적이고 정확한 접근 방식을 제공한다. 이는 반려동물 복지 향상에 기여할 수 있는 유망한 기술이다.
Keywords
Convolution Transformer, Vision Transformer, Emotion Recognition, Pet Welfare, Deep Learning, Facial Expression, Data Augmentation, Linear Embedding